Türkçe için Wikipedia Tabanlı Varlık İsmi Tanıma Sistemi

Year 2016, Volume: 19 Issue: 3, 325 - 332, 01.09.2016

Doğan Küçük Nursal Arıcı

Abstract

Varlık ismi tanıma, doğal dil işleme araştırma alanında bir problemdir ve genellikle doğal dildeki metinlerden kişi, yer ve kurum isimlerinin otomatik çıkarılması olarak tanımlanmaktadır. Bu çalışmada, Türkçe için geliştirdiğimiz Wikipedia tabanlı bir varlık ismi tanıma sistemi tanıtılmıştır. Wikipedia gibi internet kullanıcıları tarafından oluşturulan kaynakların varlık ismi tanıma gibi konular için oldukça faydalı oldukları bilinmektedir. Öncelikle, Türkçe Wikipedia’dan otomatik olarak geniş bir insan ismi listesi derlenmiştir. Daha sonra, bu liste ile birlikte yine Türkçe Wikipedia’dan ve Türkçe için kural-tabanlı bir sistemden elde edilmiş kişi, yer ve kurum ismi listelerini de kullanarak Türkçe için Wikipedia-tabanlı bir varlık ismi tanıma sistemi geliştirilmiştir. Sistemimiz değişik veri kümeleri üzerinde test edilerek değerlendirilmiş ve umut verici sonuçlar elde edilmiştir. Türkçe metinlerde bilgi çıkarımı üzerinde yapılmış kısıtlı sayıda çalışma olduğundan bizim sistemimiz bu konuda önemli bir katkı teşkil etmektedir.

Keywords

Varlık ismi tanıma, bilgi çıkarımı, Türkçe, otomatik metin işleme

Wikipedia-based Named Entity Recognition System for Turkish

Abstract

Named entity recognition is a problem in the research area of natural language processing and is usually defined as the automatic extraction of the names of people, locations, and organizations in natural language texts. In this study, a Wikipedia-based named entity recognition system for Turkish is introduced. It is well-known that resources like Wikipedia, which are created by internet users, are considerably important for topics like named entity recognition. We have first automatically compiled a large list of person names from Turkish Wikipedia. Then, we have developed a Wikipedia-based named entity recognition system for Turkish which utilizes this large list with other lists of person, location and organization named obtained from Turkish Wikipedia and a former rule-based named entity recognizer for Turkish. We have evaluated our system on different types of datasets and obtained promising results. Our system is a significant contribution to information extraction on Turkish texts since there are limited number of related studies carried out so far

Keywords

Named entity recognition, information extraction, Turkish, automatic text processing