Metin İçerikli Türkçe Dokümanların SınıflandırılmasıRıfat Aşlıyan, Korhan Günel<strong>Akademik</strong> Bilişim’<strong>10</strong> - XII. <strong>Akademik</strong> Bilişim Konferansı Bildirileri<strong>10</strong> - <strong>12</strong> Şubat 20<strong>10</strong> Muğla ÜniversitesiTablo 5. K-En Yakın Komşu metoduyla(K=5) sözcük seçiminde 2. ve veritabanıoluşturulmasında 1. yaklaşım başarı yüzdeleriTablo 6. K-En Yakın Komşu metoduyla(K=7) sözcük seçiminde 2. ve veritabanıoluşturulmasında 1. yaklaşım başarı yüzdeleri4. Sonuç ve ÖnerilerBu çalışmada, En Yakın Komşu ve K-En YakınKomşu metotları kullanılarak dokümanların 5farklı kategoriye göre sınıflandırılmasını gerçekleştirensistem tasarlanmıştır ve gerçekleştirilmiştir.Hem öznitelik vektörlerinin oluşturulmasındakullanılacak sözcüklerin tespitindehem de öznitelik veritabanın oluşturulmasındaiki farklı yaklaşıma göre sistem gerçekleştirilmiştirve deneysel sonuçlar karşılaştırılmıştır.En yüksek başarı oranlarına ikinci yaklaşımlarlaulaşılmıştır. Yani her sınıfı temsil edenbir tane öznitelik vektörü oluşturulması ve birsınıfta olup diğer sınıfta az sayıda olan sözcüklerinalınması yaklaşımların seçilmesi başarıyıartırmıştır. En Yakın Komşu metodu, K-EnYakın Komşu metoduna göre daha başarılıolmuştur. Bütün sınıflar için %88.4 oranındabaşarı elde edilmiştir.Daha sonraki çalışmalarda sınıf ve dokümansayısı artırılacaktır. Daha farklı yöntemler (yapaysinir ağları, destek vektör makineleri) uygulanacakve birbirleriyle karşılaştırılacaktır.Hece bazında doküman sınıflandırma işlemi degerçekleştirilecektir.5. Kaynaklar[1] Kim, S.B., Rim, H.C., Yook, D., Lim, H.S.,“Effective methods for improving Naive Bayestext classifiers”, In: The 7th Pacific riminternational conference on artificial intelligence,pp 414–423 (2002).[4] Li, R., Wang, J., Chen, X., Tao, X., Hu, Y.,“Using maximum entropy model for Chinesetext categorization”, J Comput Res Dev,42(1):94–<strong>10</strong>1 (2005).[5] Kazama, J., Tsujii, J., “Maximum entropymodels with inequality constraints: A casestudy on text categorization”, Mach. Learn.,60(1–3):159–194 (2005).[6] Liu, W.Y., Song, N., “A fuzzy approach toclassification of text documents”, J. Comput.Sci. Technol., 18(5):640–647 (2003).[7] Joachims, T., “Text categorization withsupport vector machines: Learning with manyrelevant features”, In: Nedellec C, RouveirolC (eds) Proceedings of the <strong>10</strong>th Europeanconference on machine learning (ECML-98), Springer, Chemnitz, pp 137–142 (1998).[8] Yang, Y., Liu, X., “A re-examination oftext categorization methods”, Proceedings ofSIGIR’99, pp 42–49 (1999).[9] Ma, L., Shepherd, J., Zhang, Y., “Enhancingtext classification using synopses extraction”.In: Proceeding of the fourth internationalconference on web information systemsengineering, pp 115–<strong>12</strong>4 (2003).[<strong>10</strong>] Savio, L.Y. Lam, D.L.L., “Feature reductionfor neural network based text categorization”,6th international conference ondatabase systems for advanced applications(DASFAA ‘99). (1999).[11] Ng, H.T., Goh, W.B., Low, K.L., “Featureselection, perceptron learning, and a usabilitycase study for text categorization”, In: Proceedingsof the 20th annual internationalACM-SIGIR conference on research anddevelopment in information retrieval, pp67–73 (1997).[<strong>12</strong>] Nakayama, M., Shimizu, Y., “Subject categorizationfor web educational resources usingMLP”, In: Proceedings of 11th Europeansymposium on artificial neural networks, pp9–14 (2003).[13] Ruiz, M.E., Srinivasan, P., “Automatic textcategorization using neural network”, In: Proceedingsof the 8th ASIS SIG/CR workshopon classification research, pp 59–72 (1998).[14] Ma, S., Ji, C., “A unified approach on fasttraining of feedforward and recurrent networksusing EM algorithm”, IEEE Trans SignalProcess., 46(46):2270–2274 (1998).[2] Wu, M.C., Lin, S.Y., Lin, C.H., “An effectiveapplication of decision tree to stock trading”,Expert Syst Appl, 31(2):270–274 (2006).Tablo 7. En Yakın Komşu metoduyla (SabitÖBV değeri) sözcük seçiminde 2. ve veritabanıoluşturulmasında 2. yaklaşım başarı yüzdeleri.[3] Soucy, P., Mineau, G.W., “A simple K-NNalgorithm for text categorization”, In: Proceedingof the first IEEE international conferenceon data mining (ICDM_01), 28, pp647–648 (2001).542543
<strong>Akademik</strong> Bilişim’<strong>10</strong> - XII. <strong>Akademik</strong> Bilişim Konferansı Bildirileri<strong>10</strong> - <strong>12</strong> Şubat 20<strong>10</strong> Muğla ÜniversitesiUygurcada Biçimbilimsel BelirsizlikMurat Orhun 1 , A. Cüneyd Tantuğ 2 , Eşref Adalı 21İstanbul Bilgi Üniversitesi, Bilgisayar Bilimleri Bölümü, İstanbul2İstanbul Teknik Üniversitesi, Bilgisayar Mühendisliği Bölümü, İstanbulmuratmehmet@cs.bilgi.edu.tr, cuneyd@itu.edu.tr, adali@itu.edu.trÖzet: Bu bildiride Uygur dili için yapılan biçimbilimsel çalışmalar ve bu çalışmalardaki belirsizlilikdurumları elle alınmıştır. Biçimbirimsel çalışmalar doğal dil çalışmalarının en temel veönemli kısmını oluşturur. Dolaysıyla, biçimbilimsel belirsizliklerin etkileri örnekler ile gösterilmiştirve Uygur dili olarak, Uygurca sözcüklerdeki belirsizlik oranı hesaplanmıştır. Bu çalışmasadece tek sözcükler üzerinde yapılmıştır. Bitişken sözcükler üzerindeki çalışmalar ise henüzdevam etmektedir.Anahtar Sözcükler: Uygurca Biçimbilimsel Belirsizlik, Uygur Dili,Uygurca Bilgisayarlı Çeviri. Biçimbilimsel Belirsizlik Çözümleme.1. GirişBiçimbilimsel çözümleme ise sözcüklerin yapısınıaraştıran ve çözümleyen, Doğal dil çalışmalarınınen temel kısmıdır. Çünkü bu çalışmadabir sözcüğün nasıl oluşturulduğu, nasıl bilgileriçerdiği ile ilgili tüm bilgiler elde edilecektir.Bundan dolayı, biçimbilimsel çalışmalar bir doğaldil çalışması ya da bunun bir alt dalı olanbilgisayarlı çeviri yaparken, ilk önce yapılmasıgereken çalışmadır. Bu neden ile Arapça, Japonca,İngilizce, Fransızca ve Romanca gibi birçokdillerin biçimbilimsel çözümlenmesi ile ilgiliçalışmalar yapılmıştır [1–5]. Biçimbilimselsürekli yeni teknikler geliştirilmektedir ve bualanda an çok kullanılan teknik iki-düzeyli biçimbilimselyöntemdir [6–7]. Bu yöntem, özelliklebitişken diller için çok kullanışlıdır ve Fincegibi yapısı çok karmaşık dilin biçimbilimselçözümleyicisi bile bu iki-düzeyli biçimbilimselçözümleme yöntemi ile geliştirilmiştir [8].Türk dilleri içinde şimdiye kadar yapılan biçimbilimselçalışmalar ise Türkçe, Türkmenceve Kırım Tatarcısı ve Uygurca üzerinde yapıldığıbilinmektedir [9–13].Genel olarak, Türk diller üzerinde yapılandoğal dil çalışmaları, Türkiye Türkçesi üzerindeyoğunlaşmaktadır ve aktif çalışmalaryapılmaktadır. Mesela, Doğal dil çalışmalarındaolmazsa olmaz olan derlem geliştirilmiştirve sürekli güncellenmektedir [14].Aynı anda geliştirilmekte olan bu derlemkullanılarak çok önemli çalışmalar yapılmaktadırve tezler üretilmektedir [15]. Yenyöntemler geliştirilmektedir [16].Uygur dile ilgili doğal dil çalışmaları henüzbaşlangıç aşamadadır. Bu nenden ile Uygurcaile ilgili yapılmış Doğal dil çalışmaları çok kısıtlıdırve temel oluşturacak kaynaklar yok diyebilecekkadar azdır.2. Uygurcanın Biçimbilimsel Yapısı.Bitişken bir dil olan Uygurca çok zengin biryapıya sahiptir. Sözcükler sonlarına ardardaekler konularak yüzlerce farklı sözcüğe dönüştürülebilirler.Birçok dilde sözcükten ayrı yazılanekler Uygurcada bitişik yazılıyor. Mesel,Türkçede, soru ekleri bir önceki sözcükten ayrıyazılırken, Uygurcada, ise bitişik yazılır. Buneden ile Uygurca bir soru sözcüğünün Türkçeyeevirilmesi için, doğrudan çeviri yapılmasıimkansızdır. Ama Türkçede Uygurcaya çeviriyapılacağı düşünildiğinde, ise doğrudan çeviriyapılabilinir.544545
- Page 4 and 5:
Tıp Bilişiminde Mobilite Uygulama
- Page 6 and 7:
İnternet ve Sanat, Yeni Medya ve n
- Page 9 and 10:
İnternet ve Sanat, Yeni Medya ve n
- Page 11 and 12:
İnternet ve Sanat, Yeni Medya ve n
- Page 14 and 15:
Akademik Bilişim’10 - XII. Akade
- Page 17 and 18:
Öğrenci ve Öğretim Elemanının
- Page 19 and 20:
Lise Öğrencilerinin Mesleki Yönl
- Page 21 and 22:
Lise Öğrencilerinin Mesleki Yönl
- Page 23 and 24:
Telsiz Duyarga Ağları ile Bir Nes
- Page 25 and 26:
Akademik Bilişim’10 - XII. Akade
- Page 27 and 28:
Kablosuz Algılayıcı Ağlar ve G
- Page 29 and 30:
Akademik Bilişim’10 - XII. Akade
- Page 31 and 32:
Çizge Teorisi, Dağıtık Algoritm
- Page 33 and 34:
Uzaktan Eğitimde Sistem Odası Tas
- Page 35 and 36:
Hizmet İçi Eğitime Farklı Bir Y
- Page 37 and 38:
Hizmet İçi Eğitime Farklı Bir Y
- Page 39 and 40:
Orta Öğretimden Üniversiteye Gel
- Page 41 and 42:
Orta Öğretimden Üniversiteye Gel
- Page 43 and 44:
Uzaktan Eğitimde Yeni Bir Yaklaş
- Page 45 and 46:
Akademik Bilişim’10 - XII. Akade
- Page 47 and 48:
Erişim Ağlarında WIMAX’ın Opt
- Page 49 and 50:
Akademik Bilişim’10 - XII. Akade
- Page 51 and 52:
Türk ve Dünya Hukukunda Bilişim
- Page 53 and 54:
Akademik Bilişim’10 - XII. Akade
- Page 55 and 56:
Mekânsal Bilişime Ontolojik Bir Y
- Page 57 and 58:
Mekânsal Bilişime Ontolojik Bir Y
- Page 59 and 60:
Mekânsal Bilişime Ontolojik Bir Y
- Page 61 and 62:
Temel Bilişim Eğitiminde Enformat
- Page 63 and 64:
Mobi̇ l Peer-To-Pee (P2P) Ağlarda
- Page 65 and 66:
Mobi̇ l Peer-To-Pee (P2P) Ağlarda
- Page 67 and 68:
Bulut Hesaplama Teknolojisi: Mimari
- Page 69 and 70:
Bulut Hesaplama Teknolojisi: Mimari
- Page 71 and 72:
Görevdeş (P2P) Ağlarda Sık Bulu
- Page 73 and 74:
Görevdeş (P2P) Ağlarda Sık Bulu
- Page 75 and 76:
Çevrimiçi Web Analiz Yazılımlar
- Page 77 and 78:
Web Sitelerinde Kullanılabilirlik
- Page 79 and 80:
Akademik Bilişim’10 - XII. Akade
- Page 81 and 82:
Akademik Profil Web SayfasıMehmet
- Page 83 and 84:
Mekansal Veritabanlarında Hızlı
- Page 85 and 86:
Mekansal Veritabanlarında Hızlı
- Page 87 and 88:
Öncül Parola Denetimi Yöntemiyle
- Page 89 and 90:
Öncül Parola Denetimi Yöntemiyle
- Page 91 and 92:
Yazılım Geliştirme Süreçleri v
- Page 93 and 94:
Yazılım Geliştirme Süreçleri v
- Page 95 and 96:
Web Tabanlı CMMI Süreç Yönetimi
- Page 97 and 98:
Akademik Bilişim’10 - XII. Akade
- Page 99 and 100:
Geleneksel Yazılım Mühendisliği
- Page 101 and 102:
Geleneksel Yazılım Mühendisliği
- Page 103 and 104:
Veriambarı Yazılım Geliştirme S
- Page 105 and 106:
Veri Madenciliğinde Temel Bileşen
- Page 107 and 108:
Veri Madenciliğinde Temel Bileşen
- Page 109 and 110:
İş Zekası Çözümleri için Ço
- Page 111 and 112:
İş Zekası Çözümleri için Ço
- Page 113 and 114:
Görüntü İşlemede Yeni Bir Solu
- Page 115 and 116:
Görüntü İşlemede Yeni Bir Solu
- Page 117 and 118:
Bağlantısız Web Uygulamalarını
- Page 119 and 120:
Bağlantısız Web Uygulamalarını
- Page 121 and 122:
Web 2.0 Yeniliklerinin Eğitimde Ku
- Page 123 and 124:
Kurumsal Kimlik Yönetiminde Günce
- Page 125 and 126:
Kurumsal Kimlik Yönetiminde Günce
- Page 127 and 128:
Nesneye Dayalı Programlarla Nesne
- Page 129 and 130:
Normatif Çoklu Etmen Sistemlerinde
- Page 131 and 132:
Normatif Çoklu Etmen Sistemlerinde
- Page 133 and 134:
Birbirleriyle Etkileşim Halinde Bu
- Page 135 and 136:
Birbirleriyle Etkileşim Halinde Bu
- Page 137 and 138:
Gezgin Satıcı Probleminin İkili
- Page 139 and 140:
Gezgin Satıcı Probleminin İkili
- Page 141 and 142:
Akademik Bilişim’10 - XII. Akade
- Page 143 and 144:
Web Tabanlı Sayısal Yarıgrup Hes
- Page 145 and 146:
Web 2.0 Uygulamalarının E-Öğren
- Page 147 and 148:
Web 2.0 Uygulamalarının E-Öğren
- Page 149 and 150:
İstatistiksel Yazılım Geliştirm
- Page 151 and 152:
Arama Motoru OptimizasyonuCoşkun A
- Page 153 and 154:
Arama Motoru OptimizasyonuCoşkun A
- Page 155 and 156:
Üst Seviye Ontolojileri Üzerine B
- Page 157 and 158:
Üst Seviye Ontolojileri Üzerine B
- Page 159 and 160:
Anlamsal Web Politika Dillerinin Ka
- Page 161 and 162:
Anlamsal Web Politika Dillerinin Ka
- Page 163 and 164:
Kural ve Sorgu Örüntülerinin Dü
- Page 165 and 166:
Akademik Bilişim’10 - XII. Akade
- Page 167 and 168:
Eğitimde bir Günlük Uygulaması:
- Page 169 and 170:
Eğitimde bir Günlük Uygulaması:
- Page 171 and 172:
Web 2.0 Teknolojilerinin Eğitim Ü
- Page 173 and 174:
Türkçe Hayat Bilgisi Veri Tabanı
- Page 175 and 176:
Türkçe Hayat Bilgisi Veri Tabanı
- Page 177 and 178:
Türkiye’de İşe Alım Sürecini
- Page 179 and 180:
Akademik Bilişim’10 - XII. Akade
- Page 181 and 182:
Türkiye’de Bilim ve Teknoloji Po
- Page 183 and 184:
Türkiye’de Bilim ve Teknoloji Po
- Page 185 and 186:
Türkiye’de Planlı Kalkınma ve
- Page 187 and 188:
Türkiye’de Planlı Kalkınma ve
- Page 189 and 190:
Bilişim Şuraları, Teknoloji Poli
- Page 191 and 192:
Bilişim Şuraları, Teknoloji Poli
- Page 193 and 194:
Düşük Maliyetli Web Tabanlı Uza
- Page 195 and 196:
Düşük Maliyetli Web Tabanlı Uza
- Page 197 and 198:
Mobil Öğrenme Teknolojileri ve Ar
- Page 199 and 200:
Akademik Bilişim’10 - XII. Akade
- Page 201 and 202:
Öğretim Teknolojileri: Tanımı v
- Page 203 and 204:
Akademik Bilişim’10 - XII. Akade
- Page 205 and 206:
Braille Alfabesi ile Yazılmış Ka
- Page 207 and 208:
Bilgi Güvenliğinde El YazısıBor
- Page 209 and 210:
Güvenli İnternet Bankacılığı
- Page 211 and 212:
Güvenli İnternet Bankacılığı
- Page 213 and 214:
SMTP Protokolü ve Spam Mail Proble
- Page 215 and 216:
SMTP Protokolü ve Spam Mail Proble
- Page 217 and 218:
Sembolik Hesaplamalar için Mathema
- Page 219 and 220:
Genişband Gezgin Haberleşmede Yen
- Page 221 and 222: Üç Boyutlu Çerçeve Yapıların
- Page 223 and 224: Üç Boyutlu Çerçeve Yapıların
- Page 225 and 226: Değişken Kalınlıklı İzotrop P
- Page 227 and 228: Değişken Kalınlıklı İzotrop P
- Page 229 and 230: Katsayıları Özellikli Bant Matri
- Page 231 and 232: Akademik Bilişim’10 - XII. Akade
- Page 233 and 234: Beykent Üniversitesi Yazılım Mü
- Page 235 and 236: Beykent Üniversitesi Yazılım Mü
- Page 237 and 238: Kampüs Ağlarında Etkin Bant Geni
- Page 239 and 240: Kampüs Ağlarında Etkin Bant Geni
- Page 241 and 242: Yabancı Dilde Lisans Öğrenimi i
- Page 243 and 244: Pardus’un 64 bit Mimarisine Port
- Page 245 and 246: Akademik Bilişim’10 - XII. Akade
- Page 247 and 248: İnternetteki Etkileşim Merkezi So
- Page 249 and 250: Akademik Bilişim’10 - XII. Akade
- Page 251 and 252: Desert Dune Dynamics And ProcessesL
- Page 253 and 254: Uydu Kentlerin Tasarımı için Bir
- Page 255 and 256: Uydu Kentlerin Tasarımı için Bir
- Page 257 and 258: Kent Kaynaklarının Etkin ve Verim
- Page 259 and 260: Kent Kaynaklarının Etkin ve Verim
- Page 261 and 262: Anadolu Liselerine Öğretmen Atama
- Page 263 and 264: Akıllı Trafik Denetimi ve Yöneti
- Page 265 and 266: Akıllı Trafik Denetimi ve Yöneti
- Page 267 and 268: 3-Boyutlu Sanal Üniversite Oryanta
- Page 269 and 270: Akademik Bilişim’10 - XII. Akade
- Page 271: Metin İçerikli Türkçe Dokümanl
- Page 275 and 276: Uygurcada Biçimbilimsel Belirsizli
- Page 277 and 278: Sosyal Ağlar ve Profil Yönetimine
- Page 279 and 280: Sosyal Ağlar ve Profil Yönetimine
- Page 281 and 282: Mimarlıkta Yapı Bilgi Modelleme v
- Page 283 and 284: Mimarlıkta Yapı Bilgi Modelleme v
- Page 285 and 286: Kan Damarı Genişliği Değişimin
- Page 287 and 288: Diş Hekimliği Fakültesi Hastanel
- Page 289 and 290: Diş Hekimliği Fakültesi Hastanel
- Page 291 and 292: Ulusal Aşı Bilgi Sistemi: Bir Dur
- Page 293 and 294: Ulusal Aşı Bilgi Sistemi: Bir Dur
- Page 295 and 296: Dermatolojide Tanı Belirlemeye Yar
- Page 297 and 298: Türkiye’de B2B e-Ticaret’i Uyg
- Page 299 and 300: Türkiye’de B2B e-Ticaret’i Uyg
- Page 301 and 302: Bazı Kamu Kurumlarında Elektronik
- Page 303 and 304: Bazı Kamu Kurumlarında Elektronik
- Page 305 and 306: Akademik Bilişim’10 - XII. Akade
- Page 307 and 308: Açık Kaynak Kodlu Bilgisayar Enva
- Page 309 and 310: Dicle Üniversitesi Bilgi İşlem O
- Page 311 and 312: Aluminyum Kütle İçerisinde İler
- Page 313 and 314: Aluminyum Kütle İçerisinde İler
- Page 315 and 316: İş Akış Çizelgeleme Problemi
- Page 317 and 318: Meslek Liselerinde Mesleki Eğitimi
- Page 319 and 320: Meslek Liselerinde Mesleki Eğitimi
- Page 321 and 322: ActiveX ile Eğitsel Bir Web Sayfas
- Page 323 and 324:
Eğitim Amaçlı Debian Web, FTP ve
- Page 325 and 326:
Akademik Bilişim’10 - XII. Akade
- Page 327 and 328:
Yeni Nesil Mobil Öğrenme Aracı:
- Page 329 and 330:
Geoteknik Rapor Hazırlanmasında S
- Page 331 and 332:
Geoteknik Rapor Hazırlanmasında S
- Page 333 and 334:
Excel VBA ile Ankrajlı ve Ankrajs
- Page 335 and 336:
Excel VBA ile Ankrajlı ve Ankrajs
- Page 337 and 338:
Nüfus Tahmin Metotlarının ve Gel
- Page 339 and 340:
Nüfus Tahmin Metotlarının ve Gel