Türkçe Dilbilgisi Kurallarının Sözdizimsel Analiz Çerçevesinde İncelenmesi

Öz

İnsanlar kendilerini ifade etme aracı olarak doğal dillerini kullanırlar. Sözcükler öbekler halinde toplanıp bir araya gelerek ilgili dile ait tümceleri oluşturur. Öbeklerin bir araya gelmesi konuşulan dile ait belirli kurallar çerçevesinde gerçekleşir. Sondan eklemeli bir dil olan Türkçe için de biçimbilimsel, sözdizimsel, anlamsal ve sesbilimsel yapılar oluşturulmuştur. Bu çalışma kapsamında ise Türkçenin sözdizimsel analizi incelenmiştir. Çalışmada incelenen haber başlıkları içeren tümcelerin sözdizimsel analizlerine ilişkin kavramsal ifadeleri tanımlanan dilbilgisi kuralları ile ağaç yapısında betimlenmiştir. Çalışma kapsamında ifade edilen sonlu sayıda kuraldan sonsuz sayıda tümcenin üretilebilmesi mümkündür. Böylece Dil Modellemenin bir çalışma alanı olan sözdizimsel çözümleme için uygulama alanına özel teorik bir yapı çıkartılarak, otomatik çözümleme araçlarındaki belirsizlik durumlarına karşı bir çalışma yürütülmüştür.

Anahtar Kelimeler

• Bağlamdan Bağımsız Dilbilgisi
• Kavramsal Çözümleme
• Sözdizimsel Analiz

Examining Turkish Grammar Rules in the Context of Syntactic Analysis

Öz

People use their natural language as a means of expressing themselves. Words gather in groups and come together to form sentences of the relevant language. The combination of phrases takes place within the framework of certain rules of the spoken language. Morphological, syntactic, semantic and phonological structures have been created for Turkish, which is an agglutinative language. Within the scope of this study, the syntactic analysis of Turkish was examined. Conceptual expressions regarding the syntactic analysis of the sentences containing news headlines examined in the study are depicted in a tree structure with the defined grammatical rules. It is possible to produce an infinite number of sentences from a finite number of rules expressed within the scope of the study. Thus, a theoretical structure specific to the application area was developed for syntactic analysis, which is a field of study in Language modeling, and a study was carried out against the ambiguity in automatic analysis tools.

Anahtar Kelimeler

• Context-Free Grammar
• Conceptual Analysis
• Syntactic Analysis

Kaynakça

1. Gece, K. M. 1993. Türkçe Sözdiziminin Temel Mantığı, Ondokuz Mayıs Üniversitesi Eğitim Fakültesi Dergisi, 1-97.
2. Chomsky, N. 2001. Derivation by phase. In M. Kenstowicz (ed.), Ken Hale: A Life in Language, Cambridge, MA: MIT Press, 1–52.
3. Jager,G. ve Rogers, J. 2012. Formal language theory: Refining the Chomsky hierarchy. Philosophical Transactions of The Royal Society B Biological Sciences vol. 367, 1956-1970.
4. Oflazer, K. 2016. Türkçe ve Doğal Dil İşleme, Türkiye Bilişim Vakfı Bilgisayar Bilimleri ve Mühendisliği Dergisi, 5(2).
5. Oflazer, K. 1994. Two-level Description of Turkish Morphology, Literary and Linguistic Computing, 9(2), 137-148.
6. Koskenniemi, K. 1983. Two-Level Model for Morphological Analysis, Conference: Proceedings of the Eighth international joint conference on Artificial intelligence, 2, January.
7. Altan, Z. 2002. The Role of Morphological Analysis in Natural Language Processing, Anadolu Üniversitesi Bilim ve Teknoloji Dergisi, 3(1), 56-76.
8. Altan, Z. 2002-b. Dil modellemede Belirsizlik Probleminin Etmenlenmiş Dilbilgisi ile Giderilmesi, in proceeding Turkish Symposium Artificial Intelligence and Neural Networks, 225- 234.

9. Dönmez, İ. ve Adalı, E. 2016. Türkçe Hal Ekleri ve Öbekleri Kapsayan Bağlamdan Bağımsız Dil Temsili, Türkiye Bilişim Vakfı Bilgisayar Bilimleri ve Mühendisliği Dergisi, 10(1), pp.33-40.
10. Bilgin, O., Çetinoğlu, Ö. ve Oflazer, K. 2004. Building a Wordnet for Turkish, Romanian Journal of Information Science and Technology, 7(1-2), 163-172.
11. Fellbaum, C. 1998. WordNet: An Electronic Lexical Database (Language, Speech, and Communication)
12. Delibaş, A. 2008. Doğal Dil İşleme ile Türkçe Yazım Hatalarının Denetlenmesi, Yüksek Lisans Tezi, İstanbul Teknik Üniversitesi, Fen Bilimleri Enstitüsü, İstanbul.
13. Çetinoğlu, Ö. 2009. Building a Lexical Functional Grammar for Turkish, Doktora Tezi, Sabancı Üniversitesi, Mühendislik ve Doğa Bilimleri Enstitüsü, İstanbul.
14. Şahin, G. ve Amasyalı, 2014. M. F. Geniş Metin Koleksiyonlarından İteratif Bilgi Çıkarımı, EMO Bilimsel Dergi, 4(7), 13-20.
15. Agan, C. ve Diri, B. 2015. Türkçe Derlemler İçin Söz Dizimsel Görselleştirme ve Sorgulama Aracı, Türkiye Bilişim Vakfı Bilgisayar Bilimleri ve Mühendisliği Dergisi, 9(1), 1-10.
16. Dönmez H. G. ve Becerikli Y. 2023. Türkçe Twitter Verileri Üzerinde Duygu Analizi: LSTM, CNN-LSTM, BERT
17. Algoritmalarının Karşılaştırılması, International Journal of Advanced Natural Sciences and Engineering Researches, 7 (6), 132-138.
18. Akın, D. M. ve Akın, A. A. 2007. Türk Dilleri için Açık Kaynaklı Doğal Dil İşleme Kütüphanesi: ZEMBEREK, Elektrik Mühendisliği Dergisi, 431(8), 38-44.
19. Tokcaer, S. 2021. Türkçe Metinlerde Duygu Analizi, Journal of Yasar University, 16(63), 1514-1534.
20. İnce, E. Y. 2016. Web Ortamındaki Yazılı Sınavların Doğal Dil İşleme Yöntemleri ile Değerlendirilmesi, Doktora Tezi, Süleyman Demirel Üniversitesi, Fen Bilimleri Enstitüsü, Isparta.
21. Taşkın, S. G., Küçüksille, E. U. ve Topal, K. 2021. Twitter Üzerinde Türkçe Sahte Haber Tespiti, BAUN Fen Bil. Enst. Dergisi, 23(1), 151-172.
22. Gürkan, A. 2022. Seçim kampanyalarında yapay zekâ kullanımı seçmene tuzak mı?, online: https://strasam.org/stratejisiyaset/siyaset-bilimi/secim-kampanyalarinda-yapay-zeka-kullanimi-secmene-tuzak-mi-646 (21.09.2023).
23. Akça, T. A. 2022. 85. Edebi Metinlerde ve Uzmanlık Alan Metinlerinde Makine Çevirisinin Olanakları/Olanaksızlığı: Çevirmenin Değişen Görev Tanımlarına Yeniden Bakmak, Rumeli Dil ve Edebiyat Araştırma Dergisi, (30), 1321-1343.
24. Barut, E. 2022. İstatistiksel Makine Çevirisi İle Nöral Makine Çevirisinin Dilbilimsel Parametrelerle Karşılaştırılması: Google Translate, AHBV Akdeniz Havzası ve Afrika Medeniyetleri Dergisi, 4(1), 103-118.
25. Odacıoğlu, M. C. 2016. Çevrebilimde Yerelleştirme Paradigmasına Doğru, Doktora Tezi, Sakarya Üniversitesi, Sosyal Bilimler Enstitüsü, Sakarya.
26. Yaman, İ. 2023. DeepL Translate ve Google Translate Sistemlerinin İngilizce-Türkçe ve Türkçe-İngilizce Çeviri Performanslarının Karşılaştırılması, Söylem Filoloji Dergisi, 29-41.
27. Wang, L., Lyu, C., Ji, T. ve Yu Z. D. 2023. Document-Level Machine Translation with Large Language Models, Computer Science, puplished: 5 Apr.
28. Çapoğlu, N. 2022. Makine Çevirilerinde Sorun Oluşturan Eş Yazımlı Sözcükleri Bulunduran İfadeler için Kural Matrisli Makine Çevirisi (KMMÇ) Modeli. Bilgisayar Bilimleri ve Mühendisliği Dergisi, 15 (2), 110.
29. Tantuğ, C. 2007. Akraba ve Bitişken Diller Arasında Bilgisayarlı Çeviri için Karma Bir Model, Doktora Tezi, İstanbul Teknik Üniversitesi Fen Bilimleri Enstitüsü, İstanbul.
30. Çalış, T. 2017. Sözdizimsel Aktarıma Dayalı Makine Çevirisi, Yüksek Lisans Tezi, Trakya Üniversitesi Fen Bilimleri Enstitüsü, Edirne.
31. Sadıkov, T. ve Sarıgül, K. 2021. Makine çeviri yöntemleri ve makine çevirisinin bugünkü durumu, Uluslararası Türkçe Edebiyat Kültür Eğitim Dergisi, 10(1), 192-205.
32. Microsoft, 2023. Microsoft SwiftKey Keyboard, online: www.microsoft.com/en-us/swiftkey?activetab=pivot_1%3aprimaryr2, ( 27.08.2023).
33. Fleksy, 2023. Fleksy Keyboard Technologies, online: https://www.fleksy.com/ ( 27.08.2023).
34. Amasyalı, M.F. ve Diri, 2006. B. Bir Soru Cevaplama Sistemi: BayBilmiş, Türkiye Bilişim Vakfı Bilgisayar Bilimleri ve Mühendisliği Dergisi, 1(1).
35. Garanti Bankası, 2023. Akıllı Asistan Ugi, online: https://www.garantibbva.com.tr/dijital-bankacilik/akilli-asistan-ugi (26.08.2023).
36. Brill, E., Dumais, S. ve Banko, M. 2002. An Analysis of the AskMSR Question-Answering System, Proceedings of the Conference on Empirical Methods in Natural Language Processing (EMNLP), Philadelphia, July, 257-264.
37. Textrazor, 2023. Extract Mining from yout Text. online: https://www.textrazor.com/ (26.08.2023).
38. Summarizebot, 2023. Get to know more by reading less!, online: https://www.summarizebot.com/ (26.08.2023).
39. Zhang, J., Zhao, Y., Saleh, M. ve Liu, P.J., 2020. PEGASUS: Pre-training with Extracted Gap-sentences for Abstractive Summarization, In Proceedings of the 37th International Conference on Machine Learning, Online Conference, 13-18 July.
40. Adalı, E. 2020. Türkçe Doğal Dil İşleme, Akçağ yayınları, Ankara.
41. Koopman, H. Sportiche, D., Stabler, E. 2013. An Introduction to Syntactic Analysis and Theory. Wiley-Blackwell.