Türkçe Köşe Yazılarında Yapay Sinir Ağlarıyla Yazar ve Gazete Tahmin Etme

Doğal dil işleme alanı doküman sınıflandırma ve doğrulama işlemleri ile ilgilenmektedir. Bir metnin yazarı tespit edilmek istenirse kuşkusuz en önemli unsur kullanılacak özelliklerdir ve bu özellikler doğrudan başarıya etki edecektir. Bu çalışmada dört farklı Türkçe gazetenin her birinden 10 adet yazar rastgele olarak seçilmiş ve her bir yazarın da toplam 10 adet köşe yazısı rastgele tespit edilmiştir. Yazarı tanımaya yönelik olarak belirlenen 30 adet özellik yazar tanıma için belirlenmiş ve geri yayılımlı yapay sinir ağlarına girdi olarak verilmiştir. Çıktı olarak ise yazar adı modelinin kurgulandığı bu çalışmada eğitim ve test verileri altı farklı şekilde k-katlı çapraz doğrulama yöntemi ile ayrıştırılmıştır. İç katmandaki sinir sayıları da farklı katman ve değerlerde değiştirilerek denemeler yapılmış ve en iyi modele ulaşmak hedeflenmiştir. Çalışma sonucunda her bir gazete için farklı doğruluk oranları elde edilmiştir. En yüksek başarı oranı %86.9 iken, en düşük başarı oranı %75.0 elde edilmiştir. Başarı oranlarının birbirlerinden farklı çıkmasında ise her gazetedeki yazarın yazarlık özelliklerinin ayırt ediciliği etkili olduğu düşünülmektedir.

Anahtar Kelimeler:

Makine Öğrenmesi, Yazar Tahmini, Metin Sınıﬂandırma

PDF

___

Amasyalı M.F., Diri B. (2006). Automatic Written Turkish Text Categorization in Terms of Author, Genre and Gender, 11th International Conference on Applications of Natural Language to Information Systems, Austria.
Amasyalı, M. F., Diri, B., Türkoğlu, F. (2006). Farklı özellik vektörleri ile Türkçe dokümanların yazarlarının belirlenmesi. In The Fifteenth Turkish Symposium on Artificial Intelligence and Neural Networks (TAINN'2006).
Aşlıyan, R., Günel, K. (2011). A Comparison of Syllabifying Algorithms for Turkish. Advanced Research in Computer Science, 3(1): 58-78.
Brinegar, C.S. (1963). Mark Twain and the Quintus Curtius Snodgrass Letters: A Statistical Test of Authorship, Journal of the American Statistical Association, 58:85-96.
Burrows, J.F. (1992). Not unless you ask nicely: the interpretative nexus between analysis and information, Literary Linguist Comput, 7:91-109.
Cavnar, W. B. ve Trenkle, J. M. (1994). N-gram-based text categorization, Proceedings of SDAIR-94, 3rd Annual Symposium on Document Analysis and Information Retrieval. Information Systems Project Management, Jolyon E. Hallows, AMACOM Pres.
Diri, B., Amasyalı M.F. (2003). Automatic Author Detection for Turkish Texts. Artificial Neural Networks and Neural Information Processing, pp. 138-141.
Fung, G., Mangasarian, O. (2003). The Disputed Federalist Papers: SVM Feature Selection via Concave Minimization.In Proceedings of the 2003 Conference of Diversity in Computing, pp. 42-46, Atlanta, Georgia, USA.
Holmes, D.I., (1994). Authorship Attribution, Comput Humanities, 28:87-106.
Levent, V. E., Diri, B. (2014). Türkçe Dokümanlarda Yapay SinirAğları İle Yazar Tanıma. Akademik Bilişim'14. Mersin Üniversitesi. 5-7.02.2014.
Malikoğlu, G.P.S.N. (2002). Artificial Intelligence 1, Birsen Yayınevi, İstanbul.
Morton, A.Q. (1965). The Authorship of Greek Prose, Journal of the Royal Statistical Society, Series A, 128:169-233.
Öztemel, E. (2012). Yapay Sinir Ağları, Papatya Yayıncılık, Ankara.
Peng F., Schuurmans D. (2003). Combining Naive Bayes and N-gram Language Models for Test Classification, School of Computer Science, University of Waterloo.
Peng F., Wang S., Schuurmans D. (2003). Language and Task Independent Text Categorization with Simple Language Models, School of Computer Science, University of Waterloo.
Sim, J., & Wright, C. C. (2005). The Kappa statistic in reliability studies: Use, interpretation, and sample size requirements. Physical Theraphy, 85(3), 258-268.
Soucy, P., Mineau, G.W. (2001). A Simple K-NN Algorithm For Text Categorization. In Proceedings of The First IEEE International Conference On Data Mining (ICDM_01), pp. 647–648, San Jose, CA.
Stamatatos E., Fakotakis N., Kokkinakis G. (2000). “Automatic Text Categorization in Terms of Genre and Author”, Computational Linguistics, pp.471-495.
Tweedie, F., Baayen, H. (1998). How Variable may a Constantbe Measures of Lexical Richness in Perspective, Computers and the Humanities, 32(5):323-352