@article{article_1668535, title={Türkiye’de Emsal Kararların Makine Öğrenmesi Algoritmaları ile Sınıflandırılması}, journal={Gazi Üniversitesi Fen Bilimleri Dergisi Part C: Tasarım ve Teknoloji}, volume={13}, pages={1227–1239}, year={2025}, DOI={10.29109/gujsc.1668535}, author={Demir, Süleyman Kürşat and Aydemir, Emrah and Sönmez, Yasin}, keywords={Yapay Zeka, Doğal Dil İşleme, Makine Öğrenimi, Emsal Kararlar, Gradient Boosting}, abstract={Son yıllarda yapay zeka (YZ), büyük veri ve veri analitiği gibi alanlardaki hızlı gelişmeler, birçok sektörde çalışma temposunu ve iş yoğunluğunu azaltmıştır. Ancak hukuk alanında YZ’nin bilindik ve dünyaya yankı uyandıran bir dönüşüm yarattığına dair kayda değer bir gelişme yaşanmamıştır. Bu durum, YZ’nin hukuk alanında belirli bir ilerleme kaydetmiş olsa da daha büyük bir potansiyele sahip olduğunu ve gelişmeye açık bir alan sunduğunu göstermektedir. Bu çalışmada, Türkiye’deki emsal kararlar üzerine bir analiz gerçekleştirilmiştir. Çalışma kapsamında, UYAP sistemi üzerinden indirilen veri setleri Metin ve Hüküm olarak sınıflandırılmıştır. Hükümler arasından en sık tekrar eden üç hüküm olan Reddi, Kabulü ve İadesi üzerinde yoğunlaşılmıştır. Doğal dil işleme (Natural Language Processing) adımları ve makine öğrenimi algoritmaları (Gradient Boosting, Yapay Sinir Ağları, Karar Ağaçları vb.) kullanılarak eğitim ve tahmin işlemleri gerçekleştirilmiştir. Elde edilen sonuçlar, belirli başarı metrikleri (Accuracy, F1 skoru vb.) ile değerlendirilmiş ve Gradient Boosting algoritmasının %83 doğruluk oranı ile en başarılı sonuçları verdiği gözlemlenmiştir. Çalışmamızın devamında, modelimizin farklı sınıflandırma senaryolarındaki performansını değerlendirmek amacıyla, ikili sınıflandırma görevlerine odaklandık ve veri setimizi "KABULÜ-REDDİ", "REDDİ-İADESİ" ve "KABULÜ-İADESİ" şeklinde üç farklı iki sınıflı veri setine ayırdık. Böylece modelimizin farklı kararlar arasındaki ayrımı ne kadar başarılı yapabildiğini inceledik. Elde edilen sonuçlar, belirli başarı metrikleri (Accuracy, F1 skoru) ile değerlendirilmiş ve Gradient Boosting algoritmasının %87 doğruluk oranı ile en başarılı sonuçları verdiği gözlemlenmiştir. İkili sınıflandırma senaryolarında da benzer algoritmalarla başarılı sonuçlar elde edilmiştir. Bu çalışma, yapay zekanın hukuk alanındaki potansiyelini ortaya koymakla kalmayıp, emsal kararların sistematik olarak analiz edilmesine ve hukuk dünyasında veriye dayalı karar alma süreçlerinin geliştirilmesine önemli bir katkı sunmaktadır.}, number={3}, publisher={Gazi Üniversitesi}