Derin öğrenme tekniklerini kullanarak bağlamsal benzerliğe dayalı otantik islami metinlerin akıllı kümelenmesi

Bazı sosyal veya dini meselelerle ilgili karar verirken, İslam hukuk uzmanları (Islamic Jurists) meseleyle doğrudan ilişkili ya da bağlamsal olarak benzer (contextually analogic) ya da onunla ilişkili meseleleri bulmak için tüm temel metinleri taramalıdır. Bir hakim heyetinin veya hakimin vereceği hükmün, eğer meseleyle ilgili mevcut kaynak ve hukümleri dikkate alırsa muhkem olacağı açıktır. Eğer bir hukum sığ bir seviyede verilmişse, o zaman tarihte görüldüğü üzere toplumda bölünme ve çatışmalara yol açacaktır. Bu tezde biz sorgulama yapıldığından bağlamı çıkaran ve iligili külliyatı (Corpus) heyetin onune getiren, derin öğrenmeye dayalı farklı teknikler öneriyoruz. Bağlamsal benzerlik ve kıyasa dayalı kümeleri geliştirmek için Derin öğrenme teknikleri, özellikle Derin Sinir Ağları ve denetimsiz kümeleme algoritmaları (K-Ortalama, BIRCH, Deep Embedded Clustering (DEC) ve Spektral) kullanılmıştır. Korpusun gömülmesi, Google'ın Word2Vec, Doc2vec, Facebook'un FastText ve Stanford'ın GloVe kullanılarak hesaplanmıştır. Gömülenler (embeddings), Word2Vec, Doc2Vec, Facebook'un fastText ve Stanford's GloVe modellerini çok boyutlu bir bağlamda gömmek için eğitilmiş metin korpusundan hesaplanmıştır.