Text categorization and ensemble pruning in turkish news portals

Haber portalları vb. sistemlerde haberlerin otomatik olarak sınıflandırılmasıgerekmektedir. Ancak birok haberin kategori bilgisi bulunmamakta, yanlışatanmş olmakta ya da kapsamlı olmaktadır. Bu durum otomatik haber kategorizasyonunugerekli kılmaktadır. Otomatik yazı sınıflandırma (OYS) parametreayarlama, terim ağırlıklandırma, kelime kökü bulma, ortak kelimeleri yoketme, ve özellik se¸cme gibi kararları içeren çok yönl¨u bir işlemdir. OYS'deyüksek doğruluk sonuçları sağlayan bir kategorizasyon ayarlaması yapmak T¨urkçehaber portalları için önemlidir. Bilkent Haber Portalı kullanılarak farklı karakterleresahip iki Türkçe veri kümesi yaratılmıştır. Deneyler dört kategorizasyonyöntemiyle yapılmıştır: C4.5, KNN, Naive Bayes, ve SVM (polynomial ve rbfçekirdekleri kullanılarak). Sonuçlar Türkçe haber portalları için bir yazı kategorizasyonuşablonu önermektedir. Tavsiye edilen yazı kategorizasyonu şablonugöz önünde bulundurarak etkililiği arttırmak için topluluk öğrenme yöntemlerikullanılmaktadır. Ancak bu yöntemler çok fazla hesaplama iş yükü gerektirdiğinden topluluk budama stratejileri geliştirilmiştir. Veri ayırma topluluklarıoluşturulmuş ve sıralamaya dayalı topluluk budama çeşitli otomatik öğrenmekategorizasyon algoritmalarıyla uygulanmıştır. Amaç şu soruları yanıtlamaktır:(1) Yazı kategorizasyon alanında veri ayırma kullanılarak ne kadar veriyi budayabiliriz?(2) Hangi veri ayırma ve kategorizasyon yöntemleri veri budamaiçin daha uygundur? (3) ? Ingilizce ve Türkçe dillerde topluluk budama ne kadarfark etmektedir? (4) Yazı kategorizasyonu alanında topluluk budama ile etkililiğiarttırmak mümkün müdür? Deneyler iki veri kmesinde yapılmıştır: Reuters-21578 ve BilCat-TRT. 90% oranında topluluk üyesi hassasiyette hemen hemenhiç eksilme olmadan elenmektedir.