Derin öğrenme yöntemleri kullanılarak özgeçmişler üzerinde anahtar kelime çıkarımı

Tüm dünyayı etkisi altına alan korona virüs (COVID-19) salgını milyonlarca insanı etkilemiş, yüzbinlerce hatta milyonlarca kişinin ölümüne neden olmuştur. Bu salgın birçok ülkenin ekonomik ve sosyal hayatını büyük ölçüde etkiledi. Alınan tedbirler bunu engelleyemedi ve toplum hazırlıksız yakalandı. Vaka sayısındaki artış oranının tahmin edilmesi, özellikle sağlık altyapısı ile ilgili idari süreçlerin planlanmasında büyük önem taşımaktadır. Bu tahminler için matematiksel modeller ve derin öğrenme yöntemleri kullanılır. Ayrıca farklı türdeki yapay zekâ temelli yaklaşımlarda geliştirilmektedir. Bu çalışmada, İtalya'daki COVID-19 vakalarının sayısındaki değişiklikleri tahmin etmek için, uzun kısa süreli bellek (LSTM) tabanlı sinir ağı yaklaşımı ile ileriye dönük bir tahmin yapılmıştır. Çalışmada 24 Şubat- 1 Kasım 2020 tarihleri arasında İtalya'da günlük vaka, ölüm ve iyileşen hasta sayıları kullanıldı. Ayrıca mevsimsel değişikliklerin salgın üzerindeki etkileri de bu döneme ait meteorolojik veriler kullanılarak analiz edilmiştir. Buna ek olarak, COVID19 salgınında 14 günlük kuluçka dönemi dikkate alınarak, meteorolojik parametrelerin geçmiş değerlerinin vakalar üzerindeki etkisi deneysel çalışmalarla ortaya konmuştur. Sonuçlar, uzun kısa süreli bellek (LSTM) yönteminin önleyici adımların atılması durumunda önemli bir avantaj sağlayabileceğini ve aynı zamanda LSTM ağına mevsimsel verilerin eklenerek vaka tahmininde başarı oranlarının arttığını göstermektedir. Anahtar Kelimeler: Derin öğrenme, Yapay Sinir Ağları, Uzun Kısa Süreli Bellek, Pandemi, COVID-19