Çoklu metin temsillerinin sezgisel algoritmalarla birleştirilmesine dayalı yazar tanıma yaklaşımı

Yapay zekâ ve doğal dil işleme (NLP) alanındaki gelişmeler, metinlerden yazar kimliğinin belirlenmesini mümkün kılmaktadır. Bu tez çalışmasında, farklı yazarlara ait metinler üzerinde yazar tanıma uygulaması gerçekleştirilmiştir. Çalışmada, yazarlara ait metinler üç farklı yöntem olan TF-IDF, Word2Vec ve BERT modelleri kullanılarak ayrı ayrı vektörleştirilmiştir. Elde edilen bu vektör temsilleri, çeşitli sezgisel algoritmalar aracılığıyla birleştirilerek hibrit bir temsil sistemi önerilmiştir. Bu hibrit yapının amacı; kelimelerin frekans bilgisini, anlamsal ilişkilerini ve cümle düzeyindeki bağlamsal anlamlarını bir arada değerlendirerek modelin genel performansını artırmaktır. Hibrit vektörlerin oluşturulmasında, hem ince ayar yapılmış (fine-tuned) BERT modeli hem de ince ayar yapılmamış BERT Mean Pooling tabanlı modelden elde edilen metin temsilleri kullanılmıştır. Oluşturulan bu hibrit temsiller, farklı sınıflandırma algoritmaları ile test edilmiştir. Deneysel sonuçlar, vektör temsillerinin sezgisel algoritmalarla birleştirilmesinin sistem performansını anlamlı şekilde iyileştirdiğini göstermiştir. Özellikle kelimelerin frekans bilgisinin yüksek katkısı, kelimelerin anlamsal katkısının ele alınması ve cümle düzeyindeki incelemeleri de içeren hibrit sistemi kullanımı optimum performans için kritik bileşenler olarak öne çıkmaktadır. Sonuç olarak, önerilen hibrit vektör gösterimi yaklaşımı, yazar kimliği belirleme probleminde yüksek doğruluk oranı sağlamış ve metin sınıflandırma alanında etkili, genellenebilir bir yöntem olarak değerlendirilmiştir.