TR-SUM: A text summarizer for Turkish

Günümüzün büyük veri dünyasında, saklanan ve metinsel verilerden belirli ve faydalı bilgilerin izlenmesi ve elde edilmesi, özetlemenin en önemli zorluklarından biridir. Özetleme, temel olarak metni kısaltma işlemidir. Ancak, büyük metinlerden kısa bir özet veya yalnızca ilgili bilgileri almak zordur. Özet, metnin ana amacını, ana fikrini ve önemli bilgilerini içermelidir. Son zamanlarda çeşitli diller için hem çıkarımsal hem de soyutlayıcı metin özetleme modellerine yönelik çalışmalar artmaktadır. Ancak Türkçe dili için soyutlayıcı metin özetlemesi alanında daha az sayıda çalışma yapılmıştır. Ayrıca literatürde Türkçe için özetlenecek daha az sayıda veri seti bulunmaktadır. Dolayısıyla bu tezin katkısı iki yönlüdür. İlk olarak Türkçe dili için bir veri seti toplanmıştır. İkinci olarak, bu çalışmada üç adet soyutlayıcı derin sinir ağı modelinin Türkçe diline uyarlanması ve uygulanması önerilmektedir. Bu modeller, (i) Dikkat Tabanlı Sıradan Sıraya Yapay Sinir Ağı, (ii) Pointer Generator Sıradan Sıraya Yapay Sinir Ağı ve (iii) Sıradan Sıraya Yapay Sinir Ağı ile Güçlendirmeli Öğrenme'dir. Her üç model de hem ConceptNet-Numberbatch kelime gömme hem de fastText kelime gömme ile önceden işlenmiştir. Daha sonra bu modeller, ROUGE-1, ROUGE-2 ve ROUGE-L puanlarına dayalı olarak Türkçe için toplanan veri seti üzerinde değerlendirilmiştir. Hesaplama deneyine göre, fastText kelime gömme ile çalışılan her bir sinir ağı modelinin tüm ROUGE puanları iyi kaliteye sahiptir. En yüksek ROUGE puanları, Pointer Generator Sıradan Sıraya Yapay Sinir Ağı tarafından fastText kelime gömme ile elde edilir. Bu, Pointer Generator Sıradan Sıraya Yapay Sinir Ağı'nın iyi nitelikli metin özetleri üretebilen umut verici bir derin sinir ağı modeli olduğunu gösterir.