Derin öğrenme yöntemleriyle otomatik olarak üretilmiş sahte metin özetlerinin tespiti
Detection of automatically generated fake text summaries using deep learning methods
- Tez No: 1013891
- Danışmanlar: DOÇ. DR. ERDAL ÖZBAY
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2026
- Dil: Türkçe
- Üniversite: Fırat Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu tez çalışmasında, akademik metinler bağlamında yapay zeka üretimi metinlerin tespit edilmesine yönelik XLM-RoBERTa tabanlı bir derin öğrenme yaklaşımı önerilmiştir. Büyük dil modellerinin insan yazımına oldukça yakın, tutarlı ve biçimsel açıdan düzenli metinler üretebilmesi, özellikle akademik yazımda insan ve yapay zeka üretimi içeriklerin ayırt edilmesini zorlaştırmaktadır. Bu çalışma, söz konusu probleme karşı farklı üretici model mimarilerine daha dayanıklı ve yüzeysel veri artefaktlarına bağımlılığı azaltılmış bir tespit sistemi geliştirmeyi amaçlamaktadır. Çalışma kapsamında insan yazımı akademik metinler ile altı farklı büyük dil modeli tarafından üretilmiş sentetik metinlerden oluşan dengeli bir veri yapısı oluşturulmuştur. Veri seti A ve veri seti B'nin birleştirilmesiyle toplam 63.000 örnekten oluşan Büyük Karışım veri seti elde edilmiştir. Model, bu veri seti üzerinde ince ayar sürecinden geçirilmiş ve eğitimden bağımsız olarak hazırlanan 1.200 örneklik Sıfır-Kalıntı test seti üzerinde değerlendirilmiştir. Test setinde yüzeysel biçimsel kalıntıların etkisi azaltılarak modelin gerçek ayırt edici kapasitesi analiz edilmiştir. Deneysel sonuçlar, önerilen modelin Sıfır-Kalıntı test seti üzerinde yüksek ve kararlı performans sergilediğini göstermiştir. Model, ham metin koşulunda %93.41 doğruluk, %92.35 kesinlik, %94.66 duyarlılık ve %93.41 F1-skoru elde etmiştir. Ayrıca 0.9810 AUC değeri, modelin insan yazımı ve yapay zeka üretimi akademik metinleri güçlü biçimde ayırt edebildiğini göstermektedir.
Özet (Çeviri)
This thesis proposes an XLM-RoBERTa-based deep learning approach for detecting AI-generated texts in the academic writing domain. The increasing ability of large language models to generate fluent, coherent, and formally structured texts has made it difficult to distinguish human-written academic texts from AI-generated content. This study aims to develop a detection system that is more robust against different generator model architectures and less dependent on superficial dataset artifacts. In this study, a balanced data structure was created using human-written academic texts and synthetic texts generated by six different large language models. By combining Dataset A and Dataset B, a Large Mixture dataset containing 63,000 samples was obtained. The proposed model was fine-tuned on this dataset and evaluated on an independent Zero-Artifact test set consisting of 1,200 samples. In the test set, the effects of superficial formatting artifacts were reduced in order to analyze the model's actual discriminative capacity. The experimental results show that the proposed model achieved high and stable performance on the Zero-Artifact test set. Under the raw text condition, the model obtained 93.41% accuracy, 92.35% precision, 94.66% recall, and 93.41% F1-score. In addition, the AUC value of 0.9810 indicates that the model can strongly distinguish between human-written and AI-generated academic texts. Overall, the findings suggest that multi-LLM training data and artifact-controlled evaluation improve the reliability of AI-generated text detection in academic contexts.
Benzer Tezler
- Oyun karakteri üretimi için üretken modeller
Generative models for game character generation
FERDA GÜL AYDIN EMEKLİGİL
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiOyun ve Etkileşim Teknolojileri Ana Bilim Dalı (disiplinlerarası)
DOÇ. DR. İLKAY ÖKSÜZ
- Application and analysis of deep learning techniques on the problem of depth estimation from a single image
Derin öğrenme tekniklerinin tekil görüntüden derinlik tahmini problemi üzerinde uygulanması ve incelenmesi
ALİCAN MERTAN
Yüksek Lisans
İngilizce
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. GÖZDE ÜNAL
- Derin öğrenme yöntemleriyle şarkı sözü üretimi
Lyrics generation using deep learning methods
MUHAMMED EMİNOĞLU
Yüksek Lisans
Türkçe
2026
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSelçuk ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. MURAT KÖKLÜ
- Makine öğrenmesi ve derin öğrenme yöntemleri ile dizel motor turbo kompresör sisteminin modellenmesi
Modeling of diesel engine turbo compressor system with machine learning and deep learning methods
YUSUF CAN
Yüksek Lisans
Türkçe
2020
Mekatronik Mühendisliğiİstanbul Teknik ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
PROF. DR. METİN GÖKAŞAN
- Evrişimsel sinir ağlarıyla otomatik modülasyon sınıflandırma
Automatic modulation classification with comvolutional neural networks
OSMAN KAYA
Yüksek Lisans
Türkçe
2023
Elektrik ve Elektronik MühendisliğiYıldız Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. TANSAL GÜÇLÜOĞLU