Metin madenciliğinde kategorik değişkenler için benzetim katsayılarının kullanılması üzerine bir çalışma

Metinlerin sayısal ortamlara aktarılması teknolojik gelişmeler yardımı ile kolaylaşmıştır. Metinlere ulaşılabilmesi ve metinlerden anlamlı bilgilerin elde edilebilmesi için metin madenciliği tekniklerinin uygulanması gerekmektedir. Metin madenciliği, yapısal formda bulunmayan verilerden doğal dil işleme disiplini ile birlikte metin üzerinden istatistiksel sonuçları elde etmeyi amaçlamaktadır. Bu çalışma kapsamında, 4 farklı yazarın 6 farklı eseri üzerinde metin madenciliği teknikleri ve benzerlik-uzaklık ölçüleri kullanılarak R programı yardımıyla yazar tanıma ve metin sınıflandırma başarısı elde edilmeye çalışılmıştır. Yazarların eserleri ile ilgili sayısal veriler çıkartılarak bu sayısal veriler ile arasında Öklid uzaklığı hesaplanmış olup K-NN algoritması yardımıyla metin sınıflandırma yapılmıştır. Yazarı belli olmayan bir eserin elde edilen verilerden hareket ile hangi metin kümesine ait olduğu tespit edilmeye çalışılmıştır.