Novelty detection in topic tracking

Haber portalları okuyuculara bilgi erişimi, kişiselleştirilmiş bilgi filtreleme, özet çıkarma ve haber kümeleme gibi bir çok hizmet sunmaktadır. Bunlara ek olarak, pek çok haber portalı çok sayıda kaynaktan beslenerek kullanıcılarının gelişmeleri değişik açılardan değerlendirebilmelerını sağlamaktadır. Fakat artan haber kaynağı ve haber sayısı, haber okuyucularının kendi ilgi alanlarında olan haberleri bulabilmelerini zorlaştırmaktadır. Haberlerin kolay bir şekilde taranabilmesi için değişik düzenlemelerde bulunulmaktadır. Bu düzenlemelerden biri olan yeni olay bulma ve izleme (YOBİ) haberler bahsettikleri olaylara göre organize etmektedir. Çok sayıda kaynak kullanılmasından kaynaklanan bilgi tekrarlanmasından dolayı YOBİ uygulaması da bazen kendi başına yeterli olamamaktadır. Bu tezde, bir konuyu takip eden haberler üzerinde yenilik bulma (YB) uygulanması incelenmektedir. Bu amaçla ortalama 51 izleyen haber içeren 59 konudan oluşan bir Türkçe YB deney derlemi, BilNov, tarafımızdan hazırlanmıştır. YB için üç metot önermekteyiz; kosinüs benzerliğine dayalı YB yöntemi, dil modellemeye dayalı YB yöntemi ve kapsama katsayısına dayalı YB yöntemi. Ayrıca, literatürde ilk defa kategori temelli sınır değeri öğrenme üzerine de deneyler yapılmaktadır. Ek olarak Türkçe üzerinde YB yöntemleri için doküman vektör uzunlukları ve düzgünleştirme benzeri bazı deneysel parametrelerle ilgili gözlemler sunulmaktadır. Son olarak TREC Yenilik Bulma 2004 deney derlemiyle de deneyler yaptıyoruz. BilNov kullanılarak yapılan deneylerin sonuçlarına göre dil modellemeye dayalı YB yöntemi diğer iki yöntemi belirgin bir şekilde geçmektedir ve ayrıca kategoriye dayalı sınır değeri öğrenme yaklaşımı da genel sınır değeri öğrenmeyle karşılaştırıldığında umut verici sonuçlar vermektedir.