KaydedilenlerDerginizi ekleyin

Dergiler / Gazi Üniversitesi Fen Bilimleri Dergisi Part C: Tasarım ve Teknoloji / 2026 / Cilt: 8 Sayı: 2

NLP Kullanılarak Haberlerin Yaş Gruplarına Göre Sınıflandırılması

Rabia Kontuk(İSTANBUL TİCARET ÜNİVERSİTESİ)0000-0002-2132-0973
Metin Turan(İstanbul Ticaret Üniversitesi, Turkey)0000-0002-1941-6693
Sayfa
372–382
Yayın Tarihi
2020-06-28
🏛️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)

Testler sonucunda, geliştirilen sözlüğün 0.70 oranında doğru sınıfı tespit edebildiği görülmüştür.

📌 3 Maddede Bu Makale

🎯
Amaç & Hipotez:Teknoloji ile birlikte hayatımıza birçok yeni kavram girmiştir.
📊
Temel Bulgular & Veri:Bu yeniliklerden biri de Doğal Dil İşleme (DDİ) kavramıdır.
💡
Sonuç & Katkı:Testler sonucunda, geliştirilen sözlüğün 0.70 oranında doğru sınıfı tespit edebildiği görülmüştür.
🔬Tür:Araştırma Makalesi
📍Kapsam:Genişletilmiş Akademik Örneklem
⚙️Değişkenler:Haber Yaş Grubu Tespiti · Yaş Grubu Sözlüğü · Zemberek

Özet

Teknoloji ile birlikte hayatımıza birçok yeni kavram girmiştir. Bu yeniliklerden biri de Doğal Dil İşleme (DDİ) kavramıdır. Bu kavram beraberinde birçok çalışma alanı getirdiği için Doğal Dil İşleme ile yapılan çalışmalar gün geçtikçe artmaktadır. Bu çalışmada, Doğal Dil işleme kullanılarak elektronik ortamlardaki haberlerin yaş gruplarına göre etiketlenmesi amaçlanmıştır. Haber sitelerinden toplanan haber veri setinin eğitim amaçlı seçilmiş olanları, NLP Zemberek Kütüphanesi kullanılarak Python dili ile işlenmiş, Havighurst’ün “Gelişim Kuramı” nın güncel duruma adapte edilmiş Çocukluk, Ergenlik ve Yetişkinlik yaş gruplarını temsil edebilecek kelime sözlüğü oluşturulmuştur (her kelimenin hangi yaş grubuna uygun olduğu). Daha sonra, bu sözlük kullanılarak haber veri setinin test amaçlı seçilmiş olanlarının sınıflarını belirlemek üzere bir sınıflandırıcı önerilmiştir. Testler sonucunda, geliştirilen sözlüğün 0.70 oranında doğru sınıfı tespit edebildiği görülmüştür.

🔖

Bu Makaleye Atıf Yap

Kontuk, R., Turan, M. (2020). NLP Kullanılarak Haberlerin Yaş Gruplarına Göre Sınıflandırılması. Gazi Üniversitesi Fen Bilimleri Dergisi Part C: Tasarım ve Teknoloji, Cilt: 8 Sayı: 2, 372–382. https://doi.org/10.29109/gujsc.686177

📄 Tam Metin PDF Okuyucu

📄

PDF görüntüleyici hazırlanıyor...

Kaynakça (21)

  1. Akın A.A., Akın M. D. Zemberek, an open source NLP framework for Turkic Languages, (2007).
  2. Hürriyet, 21 Eylül 2019, Erişim adresi: www.hurriyet.com
  3. Yumurtalı Ekmek, 21 Eylül 2019, Erişim adresi: www.yumurtaliekmek.com
  4. Çok F. Gelişim psikolojisi, kuramlar, yöntemler ve yaşamın ilk yılları (kısaltarak çeviri), Ankara Üniversitesi Eğitim Bilimleri Fakültesi Dergisi, 2 (26), s. 641-670, DOI: 10.1501/Egifak_0000000479, (1993).
  5. Fırat F. Çocuk odak‘sız’ habercilik: internet gazetelerinde çocuk içerikli haberlerin sunumu ve etik ihlaller, Gümüşhane Üniversitesi İletişim Fakültesi Elektronik Dergisi, 2(4), (2016).
  6. Oflazer K. Türkçe ve Doğal Dil İşleme (Turkish Natural Language Processing), Türkiye Bilişim Vakfı Bilgisayar Bilimleri ve Mühendisliği Dergisi, 2(5), (2012).
  7. Silverman K., Anderson V., Bellegarda J., Lenzo K. and Naik D. Design and Collection of a Corpus of Polyphones And Prosodic Contexts for Speech Synthesis Research and Development, (1999).
  8. Riloff E. Automatically Generating Extraction Patterns From Untagged Text, AAAI'96: Proceedings of the thirteenth national conference on Artificial intelligence, Vol. 2, s. 1044–1049, (1996).
  9. Këpuska V. Z., Rojanasthien P. Speech Corpus Generation from DVDs of Movies and TV Series, Journal of International Technology and Information Management: Vol. 20: Iss. 1, Article 4. (2011).
  10. Tsalidis Ch., Vagelatos A. and Orphanos G. An electronic dictionary as a basis for NLP tools: TheGreek case, ArXiv cs.CL/0408061 (2004).
  11. Aktaş Y., Yılmaz İnce E., Çakır A. Doğal Dil İşleme Kullanarak Bilgisayar Ağ Terimlerinin Wordnet Ontolojisinde Uyarlanması, SDÜ Teknik Bilimler Dergisi, (2017).
  12. Şeker S. E. Doğal Dil İşleme(Natural Language Processing), Yönetim Bilişim Sistemleri Ansiklopedisi, 4(2), (2015).
  13. Khurana D., Koli A., Khatter K., Singh S. Natural Language Processing: State of The Art, Current Trends and Challenges, ArXiv abs/1708.05148 (2017).
  14. Adalı E. Doğal Dil İşleme, Türkiye Bilişim Vakfı Bilgisayar Bilimleri ve Mühendisliği Dergisi, 2(5), (2012).
  15. Aliz, 01 Şubat2020, Erişim adresi: https://aliz.ai/natural-language-processing-a-short-introduction-to-get-you-started/
  16. Binici K. Kütüphane ve Bilgi Biliminde Tema ve Yönelim, Hiper yayın, s. 41-84, İstanbul, (2018).
  17. İlhan U. Application Of K-NN and FPTC Based Text Categorization Algorithms to Turkish News Reports, (2001).
  18. GitHup, 20 Eylül 2019, Erişim adresi: https://github.com/ahmetaa/zemberek-nlp
  19. WordNet, 03 Şubat 2020, Erişim adresi: https://wordnet.princeton.edu/
  20. Uludoğan G., Özçelik R., Parlar S., Ercan G., Yıldız O. T. User Interfaces for Turkish Natural Language Processing, (2019).
  21. Eryiğit G. ITU Turkish NLP Web Service, s. 1-4, DOI: 10.3115/v1/E14-2001, (2014).