NLP Kullanılarak Haberlerin Yaş Gruplarına Göre Sınıflandırılması

Rabia Kontuk; Metin Turan

doi:10.29109/gujsc.686177

NLP Kullanılarak Haberlerin Yaş Gruplarına Göre Sınıflandırılması

Öz

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.

Anahtar Kelimeler

Haber Yaş Grubu Tespiti,Yaş Grubu Sözlüğü,Zemberek,Doğal Dil İşleme

Kaynakça

[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).

Ayrıntılar

Birincil Dil

Türkçe

Konular

Mühendislik

Bölüm

Araştırma Makalesi

Yazarlar

Rabia Kontuk
0000-0002-2132-0973
Türkiye

Metin Turan ^*
0000-0002-1941-6693
Türkiye

Yayımlanma Tarihi

28 Haziran 2020

Gönderilme Tarihi

7 Şubat 2020

Kabul Tarihi

29 Nisan 2020

Yayımlandığı Sayı

Yıl 2020 Cilt: 8 Sayı: 2

DOI

https://doi.org/10.29109/gujsc.686177

IZ

https://izlik.org/JA88BS65FJ

Kaynak Göster

RIS / Bibtex

APA

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

NLP Kullanılarak Haberlerin Yaş Gruplarına Göre Sınıflandırılması

NLP Kullanılarak Haberlerin Yaş Gruplarına Göre Sınıflandırılması

Öz

Anahtar Kelimeler

Kaynakça

Ayrıntılar

Birincil Dil

Konular

Bölüm

Yazarlar

Yayımlanma Tarihi

Gönderilme Tarihi

Kabul Tarihi

Yayımlandığı Sayı

DOI

IZ

Kaynak Göster

Cited By

Derin Öğrenme Yöntemleriyle Çapraz Veri Seti Değerlendirmesi Altında COVID-19 Tespiti

SOSYAL MEDYA PAYLAŞIMLARINDA KARAR MEKANİZMALARININ ÖĞRENME ALGORİTMALARIYLA KARŞILAŞTIRMALI ANALİZİ

Designing an Emotion-Based Online System for English Language Teaching

TÜRKÇE DOĞAL DİL İŞLEME TEMELLİ ÇALIŞMALARIN TEORİK DEĞERLENDİRMESİ: YÖNTEMSEL ZORLUKLAR VE GELECEK PERSPEKTİFLERİ