Türkçe Bilgi Kaynaklı Soru Yanıtlama Dizgesi

Öz

Soru yanıtlama dizgeleri üzerinde sürdürülen çalışmalar ya bilgi tabanlı ya da genel ağdaki verileri kullanarak çalışmaktadır. Bu makalede tanıtılan çalışma bilgi tabanlıdır ve Türkçeye özgüdür. Ural dil ailesinin üyesi olan Türkçe sondan eklemeli bir dildir ve dil bilgisi kuralları bükünlü Hint-Avrupa dillerinin dil bilgisi kurallarından farklıdır. Bu nedenle, Türkçe yanıtlama dizgesi Türkçenin dil bilgisi kurallarına uygun olarak hazırlanmıştır. Dizge sırasıyla şu aşamalardan oluşmaktadır: Ön işleme (tümcelere ayırma, sözcüklere ayırma, hecelere ayırma, ses bilimi açısından sınama (ünlü, ünsüz uyumu, ünlü düşmesi, baş ve sondaki harf kuralları, galatlar ve yabancı sözcükler); Biçim bilimsel çözümleme; Sözcüklerin sınıflarının belirlenmesi; Söz öbeklerinin bulunması; Sözcüklerin rollerinin belirlenmesi; Tümcenin anlamlandırılması; Uygun yanıtın üretilmesi. Üretilen her yanıtın doğruluğu soru soran kişiye onaylatılmaktadır. Sorulan sorular ve bunlara ilişkin yanıtlar bir koşut derlem içinde tutulmaktadır. Dizge belli bir süre çalıştırıldıktan sonra söz konusu koşut derlem yeterli boyuta ulaşmaktadır. Bu aşamadan sonra, sorulan bir sorunun çözümlenmesine geçmek yerine koşut derlemde aranmakta ve aynı ya da benzer yanıt bulunmaya çalışılmaktadır. Benzet tümcelerin bulunması için vektör yaklaşımı kullanılmıştır.  

Anahtar Kelimeler

• Bilgi tabanlı,Soru Yanıtlama Dizgesi,Biçim Bilimsel Çözümleme,Sonlu Durum Makinesi

Kaynakça

1. [1] J. Weizenbaum, Computer and Human Reason: From Judgment to Calculation. Pp. XII, 300 San Francisco, California. W. H. Freeman Co, 1976
2. [2] X. Li. D. Roth, Learning Question Classifiers, COLING '02 Proceedings of the 19th international conference on Computational linguistics - Volume 1 Pages 1-7, 2002
3. [3] X. Li. D. Roth, Learning Question Classifiers: The Role of Semantic Information, Natural Language Engineering 1 (1): 000–000. Cambridge University Press. 2004
4. [4] B. Ojokoh, P. Ayokunle, Online Question Answering System, International Journal of Computer Science Research and Application 2013, Vol. 03, Issue. 03, pp. 02-09
5. [5] A. Ghobadi, T. M. Rahgozar, A knowledge-based question answering system for B2C eCommerce, Knowledge-Based Systems, Volume 21, Issue 8, December 2008, Pages 946-950, Elsevier
6. [6] R. P. de Azevedo, M. J. V. Pereira, P. R. Henriques, DSL Based Automatic Generation of Q&A Systems, WorldCIST'19 2019, AISC 930, pp. 460–471, 2019 Springer Nature Switzerland
7. [7] W. Cui, Y. Xiao, H. Wang, Y. Song, S. Hwang, W. Wang, KBQA: Learning Question Answering over QA Corpora and Knowledge Bases, Proceedings of the VLDB Endowment, Vol. 10, No. 5, 2017
8. [8] P. J. Paul, S. Amaran, K. S. Kumar, U.M. Prakash, Question Answering System Using the Approach Of NLP, International Journal of Pure and Applied Mathematics, Volume 117 No. 7 2017, 445-458, 2017

9. [9] N. Coşkun, Türkçe Tümcelerin Ögelerinin Bulunması, Yüksek Lisans Tezi, İTÜ Fen Bilimleri Ens. 2013
10. [10] K. Oflazer, Two-level Description of Turkish Morphology, Bilkent University
11. [11] G. Eryiğit, Biçimbilimsel Çözümleme, TBV Bilgisayar Bilimleri ve Mühendisliği Dergisi sayı: 6, 2012