Graph-based precedent case recommendation with statute-aware representations for Turkish jurisprudence
Türk hukuku için mevzuat bilgisiyle zenginleştirilmiş vektörler ile çizge tabanlı emsal karar öneri sistemi
- Tez No: 1016987
- Danışmanlar: PROF. DR. FEHİME NİHAN ÇİÇEKLİ
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Bilgi çıkarımı, Doğal dil işleme, Grafik sinir ağları, Metin erişim, Information extraction, Natural language processing, Graph neural networks, Text retrieval
- Yıl: 2026
- Dil: İngilizce
- Üniversite: Orta Doğu Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Bilimi ve Mühendisliği Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Türkiye'deki hukuk profesyonelleri, sürekli genişleyen yargı kararları külliyatından ilgili emsal kararları verimli bir şekilde bulma konusunda giderek büyüyen bir zorlukla karşı karşıyadır. Çizge destekli bilgi getirme sistemleri Ortak Hukuk sistemlerinde güçlü sonuçlar göstermiş olsa da, yargısal muhakemenin birikmiş içtihatlardan ziyade kodifiye edilmiş kanunlara dayandığı Türk hukuku gibi Kıta Avrupası sistemleri için böyle bir yapı bulunmamaktadır. Bu tez, Türk hukuk sistemi için özel olarak tasarlanmış, uçtan uca ve çizge destekli emsal karar öneri sistemini sunmaktadır. Önerilen metodoloji üç aşamalı bir ardışık düzen olarak çalışmaktadır. İlk olarak, Yargıtay'dan elde edilen 50.458 karardan oluşan özgün bir Türkçe hukuki veri seti sıfırdan oluşturulmuş ve ince ayar yapılmış bir BERTurk modeli kullanılarak Varlık İsmi Tanıma görevi gerçekleştirilmiştir. Atıf yapılan mevzuat ve emsal kararların otomatik olarak çıkarıldığı bu model, esnek eşleştirmede 0.95 ağırlıklı F1 Skoruna ulaşmıştır. İkinci olarak, gelişmiş çok dilli modeller kullanılarak yoğun vektör temsilleri elde edilmiş ve her davanın vektör temsili, mevzuat bağlamını düğüm özelliklerine aktarmak amacıyla ortalama-havuzlanmış yasal vektörlerle özellik birleştirme stratejisi kullanılarak zenginleştirilmiştir. Üçüncü olarak, oluşturulan benzerlik ağı üzerinde zıt InfoNCE kayıp fonksiyonu kullanılarak bir GraphSAGE modeli eğitilmiştir. Deneysel sonuçlar, GraphSAGE'in BGE-M3 vektörleri ve özellik birleştirme ile entegrasyonunun %65.90 Hit@1, %94.20 Hit@10 ve 0.7733 MRR skorlarına ulaştığını ve yalnızca vektör kullanan temel modellere kıyasla performansı 50 yüzde puanından fazla artırdığını göstermektedir. Kapsamlı ablasyon çalışmaları, mimari tercihleri doğrulamakta ve GraphSAGE'in GAT, HeteroGAT ve HGT gibi alternatif mimarilerden istikrarlı bir şekilde daha iyi performans gösterdiğini ortaya koymaktadır.
Özet (Çeviri)
Legal professionals in Turkey face a growing challenge in efficiently locating relevant precedent cases from an ever-expanding corpus of judicial decisions. While graph-enhanced retrieval systems have demonstrated strong results in Common Law jurisdictions, no such system exists for Turkish Civil Law, where judicial reasoning is fundamentally anchored in codified statutes rather than accumulated case-law precedents. This thesis proposes the first end-to-end, graph-enhanced precedent case recommendation system designed explicitly for the Turkish legal framework. The proposed methodology operates as a three-phase pipeline. First, a novel Turkish legal corpus comprising 50,458 judicial decisions from the Court of Cassation is constructed from scratch, and a fine-tuned BERTurk model is deployed for Named Entity Recognition to automatically extract cited legislation and precedent references, achieving a weighted F1-Score of 0.95 under relaxed matching. Second, dense embeddings are generated using multilingual models, and a feature concatenation strategy enriches each case representation with mean-pooled statutory law embeddings to inject statutory context into the node features. Third, a GraphSAGE model is trained on the constructed similarity network using a contrastive InfoNCE loss function. Experimental results indicate that integrating GraphSAGE with BGE-M3 embeddings and feature concatenation achieves a Hit@1 of 65.90%, a Hit@10 of 94.20%, and an MRR of 0.7733, representing improvements exceeding 50 percentage points over standalone embedding baselines. Comprehensive ablation studies further validate the architectural choices, suggesting that GraphSAGE consistently outperforms alternative architectures including GAT, HeteroGAT, and HGT.
Benzer Tezler
- Akademik hukuk makalelerinde atıf önerisi
Citation recommendation on scholarly legal articles
DOĞUKAN ARSLAN
Yüksek Lisans
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. GÜLŞEN ERYİĞİT
- Derin öğrenme ile aihm dava dosyalarının yapılandırılarak referans önerici sistem geliştirilmesi
Developing a reference recommender system by structuring echr case files with deep learning
NİYAZİ MEHMET CANSEVER
Yüksek Lisans
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGebze Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. YUSUF SİNAN AKGÜL
- Uluslararası faaliyet gösteren genel yüklenici bir inşaat firmasının stratejik yönetimine uygun olarak çok kriterli karar verme yöntemleri ile proje seçimi
The project selection using multi-criteria decision-making methods: a case study on the selection of an international general contractor construction company following the company's strategic management
DAMLA ERDİL
Yüksek Lisans
Türkçe
2022
İnşaat Mühendisliğiİstanbul Teknik Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
PROF. DR. GÜL POLAT TATAR
- Raylı sistemlerde sanal blok sinyalizasyonu
Virtual block signalling in railway systems
DOĞANCAN DÜNDAR
Yüksek Lisans
Türkçe
2022
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiRaylı Sistemler Mühendisliği Ana Bilim Dalı (disiplinlerarası)
PROF. DR. SALMAN KURTULAN
- Grup teknolojisi kümelendirme yöntemleri ve atama yönteminin bilgisayar destekli uygulaması
Group technology clustering methods and computer aided applications of the assignment method
İRFAN AKKUŞ
Yüksek Lisans
Türkçe
1992
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiDOÇ. DR. M. BÜLENT DURMUŞOĞLU