İnsansız Hava Araçları İçin Karga Arama ve Q-Öğrenme Algoritma Tabanlı Hibrit Yol Planlama Yaklaşımı
7th International Eurasian Conference on Science, Engineering and Technology (EurasianSciEnTech 2026), Ankara, Türkiye, 24 - 26 Haziran 2026, ss.232-241, (Tam Metin Bildiri)
- Yayın Türü: Bildiri / Tam Metin Bildiri
- Basıldığı Şehir: Ankara
- Basıldığı Ülke: Türkiye
- Sayfa Sayıları: ss.232-241
- Van Yüzüncü Yıl Üniversitesi Adresli: Evet
Özet
Veri akış hızının ve hacminin baş edilmesi zor seviyelerde olduğu dijital ortamlarda verilerin sınıflandırılması önemlidir. Bu işlevi yerine getirebilecek en iyi yaklaşımların belirlenmesi hız, maaliyet, zaman açısından verimlilik sağlamaktadır. Özellikle haber metinlerinde sınıflandırma kritik bir süreçtir. Haber metinlerinin otomatik sınıflandırılması, dijital medya platformlarının başlıkları hızlı ve güvenilir şekilde kategorize etmesini sağlayan önemli bir doğal dil işleme görevidir. Bu çalışmada, 57.180 örnek ve 11 kategoriden oluşan sınıf dengesizliği içeren bir haber veri seti üzerinde, üç önceden eğitilmiş Transformer modeli (BERTurk, DistilBERTurk ve mBERT) özdeş hiperparametreler ve eğitim protokolleriyle karşılaştırılmıştır. BERTurk modeli 0,7225 Macro-F1 ve %80,69 doğruluk oranıyla en yüksek performansı elde etmiş; DistilBERTurk 0,6907 Macro-F1 skoruyla %0,0318 geride kalmasına karşın eğitim süresinde %29’luk bir hız avantajı sunmuş; mBERT ise 0,6558 Macro-F1 ile en düşük sonucu vermiştir. McNemar istatistiksel testi, üç model arasındaki tüm performans farklarının istatistiksel olarak anlamlı olduğunu (p < 0,05) göstermiştir. Buna ek olarak, azınlık sınıflarda (Magazin ve Teknoloji) F1 skorlarının ~0,52 seviyelerine düştüğü gözlemlenmiştir. Çalışmanın bulguları, doğruluk öncelikli uygulamalar için BERTurk’un, hız-doğruluk dengesi arayan uygulamalar için DistilBERTurk’ün ve çok dilli esneklik gerektiren uygulamalar için mBERT’in tercih edilmesi gerektiğine ilişkin uygulanabilir bir karar rehberi sunmaktadır.