Dergiler / Yönetim Bilişim Sistemleri Dergisi / 2017 / Cilt: 3 - Sayı: 2
OTOMATİK METİN ÖZETLEME İÇİN GENETİK ALGORİTMA TABANLI CÜMLE ÇIKARIMI
- Sayfa
- 62–75
- DOI
- —
Özet
İnternetin gelişmesiyle beraber dijital ortamda bulunan veri miktarı sürekli artış göstermektedir. Özellikle web 2.0 teknolojisiyle birlikte wikipedia, blog, sosyal medya gibi, kullanıcıların yeni içerik ekleyebildiği sitelerin artması sonucunda internet ortamındaki bilgi miktarının hem sayısı hem de büyüklüğü sürekli artarak devasa boyutlara ulaşmıştır. Verilerin bu kadar çok olduğu bir ortamda istenilen bilgiye ulaşmak ciddi bir problemdir. Günümüz bilgi çağı, aranan bilgiye daha çabuk ve hızlı erişmek için otomatik metin özetleme sitemlerinin bilgi çıkarımı ile ilgili birçok alanda kullanımını zorunlu hale getirmektedir. Bu çalışmada cümle çıkarımına dayalı metin özetleme yöntemleri ele alınmış, ilk olarak doküman içerisinde yer alan cümleleri temsil edecek öznitelikler çıkarılmış, ardından bu
Abstract
With the development of the Internet, the amount of data in the digital environment is continuously increasing. Especially with web 2.0 technology, as a result of sites which users are able to add new content such as wikipedia, blogs and social media sites, the amount of information on the internet is increasing both in number and size. Accessing the required information in a medium where there are so many data is a serious problem. Today’s information age make it necessary to use automatic text summarization systems in many areas about information retrieval in order to access the searched information. In this study, text summarization methods based on sentence extraction are discussed, firstly features to represent sentences in document is extracted and then the effectiveness of these attributes on summarization is tried to be determined by using genetic algorithm. The data set used in the study consists of 120 documents containing Turkish news texts and their summaries. 80 documents are trained with the help of genetic algorithm and the best weight values for the attributes are determined, then 40 test documents are summarized with these weights and the results are compared with the original summaries.