SavedAdd your journal

Journals / Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi / 2013 / Cilt: 23 Sayı: 2

TÜRKÇE’DE KULLANILAN İŞLEV KELİMELERİN ZİPF 1. KANUNU ESASINDA DEĞERLENDİRİLMESİ

Senem Metin
Pages
—
Publication Date
2013-02-18
DOI
—
🏛️Bibliographic metadata and full text access for this article are provided via DergiPark.
DergiPark Record ↗
✨

AI Summary & Key Takeaways

AI Insight
⚡ TL;DR(Too Long; Didn't Read)

Çalışmada önerilen yöntem ile ilgili testler Türkçe metinler içeren farklı derlemler üzerinde yapılmış, sonuçlar değerlendirilmiştir.

📌 3 Key Takeaways

🎯
Objective & Hypothesis:Bu çalışmada doğal dil içinde gramer yapısının oluşturulması amacıyla kullanılan, içinde bulunduğu metnintaşıdığı enformasyon miktarını değiştirmeyen kelimeler (işlev kelimeler) araştırılmıştır.
📊
Key Findings & Data:Araştırmanın temeliniZipf’in 1.
💡
Conclusion & Impact:Çalışmada önerilen yöntem ile ilgili testler Türkçe metinler içeren farklı derlemler üzerinde yapılmış, sonuçlar değerlendirilmiştir.
🔬Design:Makale
📍Scope:Comprehensive Sample
⚙️Variables:İşlev kelime · içerik kelime · test derlemleri.

Özet

Bu çalışmada doğal dil içinde gramer yapısının oluşturulması amacıyla kullanılan, içinde bulunduğu metnintaşıdığı enformasyon miktarını değiştirmeyen kelimeler (işlev kelimeler) araştırılmıştır. Araştırmanın temeliniZipf’in 1. Kanunu’nun Türkçe metinler üzerinde sınanması ve yüksek frekanslı kelimelerin işlev kelime olacağı beklentisi oluşturmaktadır. Çalışmada önerilen yöntem ile ilgili testler Türkçe metinler içeren farklı derlemler üzerinde yapılmış, sonuçlar değerlendirilmiştir.

🔖

Cite This Article

Metin, S. (2013). TÜRKÇE’DE KULLANILAN İŞLEV KELİMELERİN ZİPF 1. KANUNU ESASINDA DEĞERLENDİRİLMESİ. Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi, Cilt: 23 Sayı: 2. https://ajindex.com/articles/1078841

📄 Full Text PDF Viewer

📄

PDF görüntüleyici hazırlanıyor...

References (45)

  1. Kornai, A., How many words are there?,
  2. Glottometrics 2002/4, 61-86p., 2002.
  3. Zipf, G. K., Human Behaviour and the
  4. Principles of Least Effort, Cambridge, MA,
  5. Addison-Wesley, 1949.
  6. Manning, C.D., Schütze, H., Foundations of
  7. Statistical Natural Language Processing.
  8. The MIT Press, Cambridge, Massachusetts,
  9. London, England, 2003.
  10. Hakkani-Tür, D.Z., Oflazer, K., and Tür, G.,
  11. Statistical morphological disambiguation for
  12. agglutinative languages, International
  13. Conference On Computational Linguistics,
  14. Proceedings of the 18th conference on
  15. Computational Linguistics - Volume 1,
  16. Saarbrücken, Germany, 285 - 291, 2000.
  17. Dinçer, T., Türkçe için İstatistiksel Bir Bilgi Gerigetirim
  18. Sistemi, Doktora Tezi, U.B.E.,Ege
  19. Üniversitesi, 2004.
  20. Tuldava, J., A Mathematical Model Of The
  21. Vocabulary-Text Relation. COLING 1980, 600-604,
  22. Alpkoçak, A., Kut, A., ve Özkarahan, E., 1995, Bilgi
  23. Bulma Sistemleri için Otomatik Dizinleme Yöntemi,
  24. Bilişim’95, Dokuz Eylül Üniversitesi, İzmir, 6s.,
  25. Holmes-Higgin, P., Abidi S. R., Ahmad, K., A
  26. Description of Texts in a Corpus: 'Virtual' and 'Real'
  27. Corpora, EURALEX'94, 1994.
  28. Van Rijsbergen, C.J., Information Retrieval (2nd
  29. ed.), Butterworths, London, 1979.
  30. Argamon, S., Levitan, S., Measuring the Usefulness
  31. of Function Words for Authorship Attribution,
  32. Proceedings of ACH/ALLC Conference 2005 in
  33. Victoria, BC, Canada, 2005.
  34. Cleveland, D. B., Cleveland, A. D., Introduction to
  35. indexing and abstracting, Libraries Unlimited, Inc.,
  36. Littleton, Colorado, 1983.
  37. Baayen, R. H., Word Frequency Distributions,
  38. Dordrecht: Kluwer Academic Publishers, 2001.
  39. Kumova, S., Derlem Hazırlama Kriterlerinin
  40. Oluşturulması, Yüksek Lisans Tezi, U.B.E., Ege
  41. Üniversitesi, 2005.
  42. Powers, D. M. W., Applications and Explanations of
  43. Zipf’s law, NEMLAP3/CONLL98, New methods
  44. in language processing and Computational
  45. natural language learning, 151-160, 1998.