Akademik Veri Yönetim Sistemi
INTERNATIONAL CONGRESS ON SCIENTIFIC RESEARCH-VIII, Ankara, Türkiye, 9 - 11 Haziran 2023, sa.1, ss.769-781, (Tam Metin Bildiri)
Metin özetleme, uzun ve kapsamlı bir metni daha kısa bir formata dönüştürme işlemidir. Bu
işlemde, orijinal metindeki önemli noktalar, ana fikirler ve bilgiler belirlenerek özete aktarılır.
Metin özetleme, genellikle bilgiyi daha erişilebilir hale getirmek, gereksiz detayları atmak
veya bir metnin temel içeriğini hızlı bir şekilde anlamak için kullanılır. Metin özetleme, hem
otomatik algoritmalarla hem de insanlar tarafından gerçekleştirilebilir. Otomatik metin
özetleme algoritmaları, doğal dil işleme ve makine öğrenme tekniklerini kullanarak metinleri
analiz eder ve önemli noktaları tespit eder. Bu algoritmalar, önceden belirlenen kurallara veya
istatistiksel modellere dayanabilir. Metin özetleme, birçok farklı uygulama alanında kullanılır.
Haber özetleri, bilimsel makalelerin özetleri, kitap özetleri, pazarlama materyalleri ve web
sayfaları gibi birçok farklı içerik türü için metin özetlemesi yapılabilir. Özetleme, metinlerin
daha çekici hale getirilmesini, bilgi aşırısını önlemeyi ve okuyucuların önemli noktaları
hızlıca anlamasını sağlamayı amaçlar. Bu çalışma, makine öğrenmesi algoritmaları SVM, RF,
DT, KNN ve Naive Bayes algoritmalarının çıkarımsal özet performanslarını ve özet çıkarma
sürelerini değerlendirmeyi amaçlamaktadır. Çalışma kapsamında, bu beş algoritma
kullanılarak özetleme işlemi gerçekleştirilmiş ve elde edilen özetlerin ROUGE metrikleri
kullanılarak değerlendirilmiştir. ROUGE metrikleri, özetlerin referans özetlerle
benzerliklerini ölçen yaygın bir değerlendirme yöntemidir. SVM, RF, DT, KNN ve Naive
Bayes algoritmalarının ROUGE metrikleri birbirine yakın sonuçlar vermiştir, bu da özetleme
yeteneklerinin genel olarak benzer olduğunu göstermektedir. Ancak, özet çıkarma sürelerine
odaklandığımızda, Naive Bayes algoritmasının diğer algoritmalara göre daha hızlı olduğu
gözlemlenmiştir. Naive Bayes algoritması, özet çıkarma işlemini daha kısa sürede tamamlama
avantajı sunmuştur. Diğer taraftan, SVM, RF, DT ve KNN algoritmaları da kabul edilebilir
özetleme süreleri sunmuşlardır.
Sonuç olarak, tüm algoritmaların ROUGE metrikleri kullanılarak yapılan değerlendirmesi,
benzer özetleme yeteneklerine sahip olduklarını göstermektedir. Ancak, özet çıkarma süreleri
göz önünde bulundurulduğunda, Naive Bayes algoritmasının diğerlerine göre daha hızlı
olduğu gözlemlenmiştir. Bu çalışmanın sonuçları, özetleme algoritması seçiminde hem
performans hem de işlem süresi faktörlerinin dikkate alınması gerektiğini vurgulamaktadır.