KaydedilenlerDerginizi ekleyin

Dergiler / Bitlis Eren Üniversitesi Fen Bilimleri Dergisi / 2026 / Volume: 8 Issue: 3

Metin Özetlemesi için Düğüm Merkezliklerine Dayalı Denetimsiz Bir Yaklaşım

Cengiz Hark(BİTLİS EREN ÜNİVERSİTESİ)0000-0002-5190-3504
Taner Uçkan(VAN YÜZÜNCÜ YIL ÜNİVERSİTESİ)0000-0001-5385-6775
Ebubekir Seyyarer(YÜZÜNCÜ YIL ÜNİVERSİTESİ)0000-0002-8981-0266
Ali Karcı(İNÖNÜ ÜNİVERSİTESİ, MÜHENDİSLİK FAKÜLTESİ, BİLGİSAYAR MÜHENDİSLİĞİ BÖLÜMÜ)0000-0002-8489-8617
Sayfa
—
Yayın Tarihi
2019-09-30
🏛️Bu makalenin bibliyografik verileri ve tam metin bağlantısı DergiPark üzerinden sağlanmıştır.
DergiPark Kaydı ↗
✨

Yapay Zeka Hızlı Bakış & Çıkarımlar

AI Insight
⚡ TL;DR(1 Cümlede Hızlı Çıkarım)

Bu çalışmada tek dokümanlı çıkarıcı metin özetleme için yeni ve denetimsiz bir süreç önerilmektedir.

📌 3 Maddede Bu Makale

🎯
Amaç & Hipotez:Cümle seçerek özetleme çalışmaları kapsamında birçok farklı yaklaşım mevcuttur.
📊
Temel Bulgular & Veri:Önerilen sürecin farklı düğüm ağırlıklandırma yöntemlerini kullanarak önemli düğümleri ve dolayısı ile önemli cümleleri belirlenmesi önerilen özetleme sisteminin cümle puanlandırma aşamasını oluşturmaktadır.
💡
Sonuç & Katkı:Bu çalışmada tek dokümanlı çıkarıcı metin özetleme için yeni ve denetimsiz bir süreç önerilmektedir.
🔬Tür:Research Article
📍Kapsam:2002 Verileri
⚙️Değişkenler:Çıkarıcı Metin Özetleme · Düğüm Merkezliği · Cümle Sıralama

Özet

Cümle seçerek özetleme çalışmaları kapsamında birçok farklı yaklaşım mevcuttur. Bu çalışmada tek dokümanlı çıkarıcı metin özetleme için yeni ve denetimsiz bir süreç önerilmektedir. Çalışma kapsamında metin dokümanları çizgelerle temsil edilmektedir. Yöntemimiz temel olarak metinleri temsil eden çizgeleri kullanmakta ve cümlelere yönelik bir ağırlıklandırma önermektedir. Önerilen sürecin farklı düğüm ağırlıklandırma yöntemlerini kullanarak önemli düğümleri ve dolayısı ile önemli cümleleri belirlenmesi önerilen özetleme sisteminin cümle puanlandırma aşamasını oluşturmaktadır. Son olarak bu çalışma kapsamında metin özetleme amaçlı önerilen yaklaşımın, açık erişimli metinler ve bu metinlere ait özetleri içeren Document Understanding Conference (DUC-2002) veri seti üzerindeki performansı ROUGE değerlendirme metrikleri kullanılarak hesaplanmıştır. Yapılan deneysel çalışmalar sonucunda önerilen özetleme sisteminin geleneksel çizge tabanlı yaklaşımlar ile rekabet edebilir ölçüde performans değerleri ortaya koyduğunu göstermektedir. Ayrıca sunulan bu basit ve etkili yöntemin dilbilimsel bir süreç izlememesi oldukça önemlidir.

🔖

Bu Makaleye Atıf Yap

Hark, C., Uçkan, T., Seyyarer, E., Karcı, A. (2019). Metin Özetlemesi için Düğüm Merkezliklerine Dayalı Denetimsiz Bir Yaklaşım. Bitlis Eren Üniversitesi Fen Bilimleri Dergisi, Volume: 8 Issue: 3. https://doi.org/10.17798/bitlisfen.568883

📄 Tam Metin PDF Okuyucu

📄

PDF görüntüleyici hazırlanıyor...

Kaynakça (30)

  1. Osman Durmaz, “Metin Sınıflandırmada Boyut Azaltmanın Etkisi ve Özellik Seçimi,” 2011.
  2. C. Hark, A. Seyyarer, T. Uçkan, and A. Karci, “Doǧal dil işleme yaklaşimlari ile yapisal olmayan dökümanlarin benzerliǧi,” in IDAP 2017 - International Artificial Intelligence and Data Processing Symposium, 2017.
  3. Ş. Canberk, G., Sağıroğlu, Bilgi ve Bilgisayar Güvenliği: Casus Yazılımlar ve Korunma Yöntemleri. Ankara: Grafiker Yayıncılık, 2006.
  4. D. R. Radev, E. Hovy, and K. McKeown, “Introduction to the special issue on summarization,” Comput. Linguist., vol. 28, no. 4, pp. 399–408, 2002.
  5. G. Erkan and D. R. Radev, “Lexrank: Graph-based lexical centrality as salience in text summarization,” J. Artif. Intell. Res., vol. 22, pp. 457–479, 2004.
  6. A. Joshi, E. Fidalgo, E. Alegre, and L. Fernández-Robles, “SummCoder: An Unsupervised Framework for Extractive Text Summarization Based on Deep Auto-encoders,” Expert Syst. Appl., 2019.
  7. O. Kaynar, Y. Görmez, Y. E. Işık, and F. Demirkoparan, “Comparison of graph based document summarization method,” in 2017 International Conference on Computer Science and Engineering (UBMK), 2017, pp. 598–603.
  8. M. Kutlu, C. Cigir, and I. Cicekli, “Generic text summarization for Turkish,” Comput. J., vol. 53, no. 8, pp. 1315–1323, 2010.
  9. C. Hark, T. Uçkan, and A. Seyyarer, Abubekir Karci, “Metin Özetleme İçin Çizge Tabanlı Bir Öneri,” in IDAP 2018 - International Artificial Intelligence and Data Processing Symposium, 2018.
  10. R. Mihalcea, “Language independent extractive summarization,” Proc. ACL 2005 Interact. poster Demonstr. Sess. - ACL ’05, no. June, pp. 49–52, 2005.
  11. K. Sarkar, K. Saraf, and A. Ghosh, “Improving graph based multidocument text summarization using an enhanced sentence similarity measure,” 2015 IEEE 2nd Int. Conf. Recent Trends Inf. Syst. ReTIS 2015 - Proc., pp. 359–365, 2015.
  12. R. Mihalcea and P. Tarau, “TextRank: Bringing Order into Texts,” in Proceedings of the ACL 2004 on Interactive poster and demonstration sessions -, 2004, vol. 85, p. 20–es.
  13. D. Parveen, H.-M. Ramsl, and M. Strube, “Topical coherence for graph-based extractive summarization,” in Proceedings of the 2015 Conference on Empirical Methods in Natural Language Processing, 2015, pp. 1949–1954.
  14. C. Hark, A. Seyyarer, T. Uçkan, and A. Karci, “Doǧal dil işleme yaklaşimlari ile yapisal olmayan dökümanlarin benzerliǧi,” in IDAP 2017 - International Artificial Intelligence and Data Processing Symposium, 2017, pp. 1–6.
  15. R. Mihalcea and P. Tarau, “A Language Independent Algorithm for Single and Multiple Document Summarization,” Proc. IJCNLP 2005, 2nd Int. Join Conf. Nat. Lang. Process., pp. 19–24, 2005.
  16. A. Karci, “Çizge Algoritmaları ve Çizge Bölmeleme.pdf,” 1998.
  17. U. Von Luxburg, “A Tutorial on Spectral Clustering,” 2007.
  18. A. Bavelas, “A Mathematical Model for Group Structures,” Human Organization, vol. 7, no. 3. pp. 16–30, 1948.
  19. D. R. Radev, “LexRank: Graph-based Lexical Centrality as Salience in,” Artif. Intell., vol. 22, pp. 457–479, 2004.
  20. M. Kutlu, C. Ciǧir, and I. Cicekli, “Generic text summarization for Turkish,” in Computer Journal, 2010, vol. 53, no. 8, pp. 1315–1323.
  21. C. Hark, T. Uçkan, E. Seyyarer, and A. Karci, “Graph-Based Suggestion For Text Summarization,” 2018 Int. Conf. Artif. Intell. Data Process. IDAP 2018, 2019.
  22. F. Boudin et al., “A Comparison of Centrality Measures for Graph-Based Keyphrase Extraction To cite this version: HAL Id: hal-00850187 A Comparison of Centrality Measures for Graph-Based Keyphrase Extraction,” 2013.
  23. F. Boudin, “A Comparison of Centrality Measures for Graph-Based Keyphrase Extraction,” in International Joint Conference on Natural Language Processing (IJCNLP), 2013, pp. 834–838.
  24. M. McPherson, L. Smith-Lovin, and J. M. Cook, “Birds of a Feather: Homophily in Social Networks,” Annu. Rev. Sociol., vol. 27, no. 1, pp. 415–444, Aug. 2001.
  25. B. N. Analysis, “Centrality and Hubs,” no. 1979, 2016.
  26. Alex Kosorukoff, Social Network Analysis Theory and Applications. Passmore, D. L, 2011, 2011.
  27. C.-Y. Lin, “Rouge: A package for automatic evaluation of summaries,” Text Summ. Branches Out, 2004.
  28. Ş. Canberk, G., Sağıroğlu, Bilgi ve Bilgisayar Güvenliği: Casus Yazılımlar ve Korunma Yöntemleri. Ankara: Grafiker Yayıncılık, 2006.
  29. D. R. Radev, “LexRank: Graph-based Lexical Centrality as Salience in,” Artif. Intell., vol. 22, pp. 457–479, 2004.
  30. F. Boudin et al., “A Comparison of Centrality Measures for Graph-Based Keyphrase Extraction To cite this version: HAL Id: hal-00850187 A Comparison of Centrality Measures for Graph-Based Keyphrase Extraction,” 2013.