Bu çalışma, çizge tabanlı özetleme yöntemlerine yenilikçi bir katkı sunarak Karcı Baskın Kümeleme Algoritması’nı ilk kez metin özetleme sistemlerine entegre etmektedir. Önerilen yöntemde, özetlenecek metindeki cümleler arasında ortak kelime sayılarına dayalı bir komşuluk matrisi oluşturularak ilk çizge inşa edilir. Ardından, Karcı Baskın Kümeleme Algoritması kullanılarak çizgedeki baskın kümeler belirlenir ve bu kümeye ait cümleler metinden çıkarılır. Kalan cümlelerle ikinci bir çizge oluşturulur ve bu çizgedeki özvektör merkezilik değerlerine göre en merkezi cümleler seçilerek özet oluşturulur. Yöntem, DUC-2002 ve DUC-2004 veri kümeleri üzerinde ROUGE metrikleriyle değerlendirilmiş ve sırasıyla 100, 200 ve 400 kelimelik özetler için 0.35748, 0.49049 ve 0.57586 ROUGE değerlerine ulaşmıştır. Elde edilen bulgular, önerilen modelin mevcut yöntemlere kıyasla yüksek performans gösterdiğini ve literatüre anlamlı bir katkı sunduğunu ortaya koymaktadır
This study presents a novel contribution to graph-based text summarization by integrating the Karcı Dominant Clustering Algorithm into summarization systems for the first time. In the proposed method, a neighborhood matrix based on the number of shared words between sentences is used to construct the initial graph. The Karcı Dominant Clustering Algorithm is then applied to identify dominant clusters, and the corresponding sentences are removed from the text. A second graph is constructed from the remaining sentences, and eigenvector centrality values are used to determine the most central sentences, which form the final summary. The method was evaluated on the DUC-2002 and DUC-2004 datasets using ROUGE metrics, achieving scores of 0.35748, 0.49049, and 0.57586 for 100-, 200-, and 400-word summaries, respectively. The experimental results demonstrate that the proposed approach outperforms several existing methods and provides a significant contribution to the field of automatic text summarization.
