Haber metinlerinin kategorizasyonunda varlık isimleri ve konu başlıkları ilişkisi
Tezin Türü: Yüksek Lisans
Tezin Yürütüldüğü Kurum: Hacettepe Üniversitesi, Sosyal Bilimler Enstitüsü, Bilgi ve Belge Yönetimi A.B.D., Türkiye
Tezin Onay Tarihi: 2014
Tezin Dili: Türkçe
Öğrenci: İPEK ŞENCAN
Asıl Danışman (Eş Danışmanlı Tezler İçin): İREM SOYDAL ÖZTÜRK
Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu
Özet:Metin kategorizasyonu ile büyük ve kirli veri yığınlarının içerisindeki bilgiler düzenlenerek bilgiye erişim kolay ve pratik hale gelmektedir. Metin kategorizasyonu ayrıca, bilgiye ihtiyaç duyan kişilerin istedikleri bilgiye erişmelerinde zaman kazandırmak açısından da son derece önemlidir. Haber metinleri gibi hızlı artış potansiyeline sahip olan yapılar metin kategorizasyonuna ihtiyaç duyulan önemli uygulama alanlarından biridir. Bu çalışmada, BilCol-2005 Türkçe haber derleminden sağlanan 5834 haber kullanılarak, haber metinlerinin kategorizasyonunda varlık isimleri (named entities) ve konu başlıkları ilişkisinin incelenmesi amaçlanmıştır. Buna yönelik olarak 5834 haber yedi farklı varlık ismi (kişi, kurum, konum, tarih, zaman, para ve yüzde) ile etiketlenmiştir. Etiketlenen haberler IPTC (International Press Telecommunications Council) temel düzey konu başlıkları taksonomisine göre kategorize edilmiş ve derlem 13 farklı IPTC konu başlığı ile tanımlanmıştır. Bu doğrultuda gerçekleştirilen analizler ile etiketli ve etiketsiz kelimelere ilişkin sıklık ve oran değerleri bazı istatistiksel testlerden de (Mann-Whitney U testi) yararlanılarak belirlenmiştir. Çalışma sonucunda elde edilen bulgulardan, derlemdeki haberlerin etiketlenmesinde en baskın varlık isminin "Kişi", en pasif varlık isminin "Zaman" olduğu, derlemdeki haberlerin etiketlenme sayılarının IPTC konu başlıklarına göre farklılık gösterdiği, tüm konu başlıkları için "Kişi", "Kurum" ve "Konum" varlık isimlerinin ön planda olduğu ve konu başlıklarının kavramsal içeriğini varlık isimlerinden çok etiketlenmemiş kelimelerin yansıttığı anlaşılmış ve ilgili hipotezlerimizin tamamı desteklenmiştir. Bu çalışma, Türkçe bir haber derlemi üzerinde uluslararası alanda standart olarak kabul edilen IPTC'nin temel düzey konu başlıkları ile varlık isimlerinin bir arada uygulanarak aralarındaki bağlantıların sorgulandığı Türkçe literatürdeki ilk çalışma olması açısından önemlidir. Bu çalışmada elde edilen sonuçların gazetecilere, haber metinlerinin kategorizasyonu üzerine çalışanlara, haber metinlerine hızlı ve doğru erişim ihtiyacı duyan kullanıcılara yardımcı olacağı düşünülmektedir. Anahtar Sözcükler Metin kategorizasyonu, Haber metinlerinin kategorizasyonu, Varlık isimleri, BilCol-2005, IPTC, IPTC konu başlıkları taksonomisi