Hukuk alanında büyük dil modelleri kullanımı
Using large language models in the field of law
- Tez No: 1023636
- Danışmanlar: DOÇ. DR. BÜLENT TUĞRUL
- 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: Ankara Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Transformer mimarisinin yaygınlaşması ve GPT teknolojisinin gelişimiyle birlikte, Büyük Dil Modelleri (Large Language Models) insan yaşamına hızla entegre olmuş ve birçok alanda etkin biçimde kullanılmaya başlanmıştır. Büyük dil modelleri, internet üzerindeki geniş veri kaynaklarıyla eğitilmekte ve çeşitli görevlerde yüksek başarı göstermektedir. Ancak yalnızca ön eğitim sürecinde edindikleri bilgilerle sınırlı olmaları, bilgi güncelliği ve güvenilirlik açısından bazı kısıtlar doğurmaktadır. Ayrıca sabit bağlam uzunlukları, uzun metinlerle çalışmayı güçleştirmektedir. Bu sorunları aşmak amacıyla Retrieval-Augmented Generation (RAG) sistemleri geliştirilmiş; bu sayede modeller, eğitim seti dışındaki kaynaklardan bilgi çekebilmekte ve cevabın dayandığı kaynakları sunarak güvenilirliği artırmaktadır. Türkçe hukuki metinler üzerinde gerçekleştirilen çalışmalar ise oldukça sınırlıdır. Bu bağlamda, Türkçe hukuki metinler üzerine yapılacak RAG tabanlı araştırmaların hem Türkçe doğal dil işleme alanına hem de hukukta yapay zekâ destekli bilgi erişim sistemlerinin geliştirilmesine önemli katkılar sunması beklenmektedir. Bu çalışmada, söz konusu gereksinimden yola çıkılarak Türkiye Cumhuriyeti Kanunları'na ait metinlerin vektör veritabanında depolandığı güvenilir bir soru-cevap sistemi geliştirilmiştir. Tez kapsamında Tek Sorgulu Hibrit RAG Sistemi ve Çoklu Alt Sorgulu Hibrit RAG Sistemi olmak üzere iki farklı mimari tasarlanmıştır. Tek Sorgulu Hibrit RAG Sistemi, hibrit arama özelliğiyle oluşturulan vektör veritabanından yanıtlar derleyerek temel bir RAG işlevi sunmaktadır. Çoklu Alt Sorgulu Hibrit RAG Sistemi ise verilen soruyu üç alt soruya bölmekte, her biri için hibrit arama yöntemiyle elde edilen yanıtları birleştirerek nihai bir cevap üretmektedir. Yapılan testler sonucunda, Tek Sorgulu Hibrit RAG Sisteminin basit ve doğrudan bilgi çıkarımı gerektiren durumlarda daha hızlı ve verimli olduğu; Çoklu Alt Sorgulu Hibrit RAG Sisteminin ise derinlemesine analiz ve çıkarım gerektiren karmaşık sorularda daha başarılı performans sergilediği tespit edilmiştir.
Özet (Çeviri)
With the widespread adoption of the Transformer architecture and rapid progress in GPT technology, Large Language Models (LLMs) have become deeply integrated into human life and are effectively applied across numerous domains. Trained on vast internet-based datasets, these models achieve impressive performance in various natural language processing tasks. However, their dependence on pre-training knowledge restricts their ability to provide up-to-date and fully reliable information, while fixed context lengths limit their capability to handle long or complex texts. To overcome these issues, Retrieval-Augmented Generation (RAG) systems have emerged, allowing models to access external knowledge sources and improve response reliability by referencing retrieved data. Nevertheless, studies conducted on Turkish legal texts remain scarce. Therefore, RAG-based studies focusing on Turkish legal corpora hold great potential to advance both Turkish natural language processing and AI-driven legal information retrieval. This study presents a robust question-answering system designed to store and retrieve Turkish Republic legal texts within a vector database. Two architectures were developed: the Single-Query Hybrid RAG System and the Multi-Subquery Hybrid RAG System. The Single-Query approach provides basic RAG functionality through hybrid search, while the Multi-Subquery model decomposes queries into sub-questions, retrieves relevant information, and combines it into comprehensive answers. Experimental results indicate that the Single-Query Hybrid RAG performs faster for direct retrieval, whereas the Multi-Subquery Hybrid RAG excels in tasks requiring deeper reasoning and analysis.
Benzer Tezler
- Natural language processings in legal domain: Classification of Turkish legal texts
Hukuk alanında doğal dil işleme: Türkçe hukuki metinlerin sınıflandırılması
ONUR AKÇA
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolMarmara ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. MURAT CAN GANİZ
- Yargı kararlarında büyük dil modellerinin başarım değerlendirmesi: türk bilişim hukuku örneği
Performance evaluation of large language models in judicial decisions: the case of turkish information law
ENGİN KEMAL SEVEN
Yüksek Lisans
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiAdli Bilişim Ana Bilim Dalı
DOÇ. DR. MURAT DÖRTERLER
DOÇ. DR. RECEP BENZER
- Online dispute resolution in Turkish and Kazakhstan law
Türk ve Kazakistan hukukunda çevrimiçi uyuşmazlık çözümü
DİANA SHARGİNOVA
Yüksek Lisans
İngilizce
2024
Hukukİstanbul Medeniyet ÜniversitesiÖzel Hukuk Ana Bilim Dalı
DR. ÖĞR. ÜYESİ DİLEK AYDEMİR
- A large language model (LLM)-based framework for bid/no-bid decision support in construction public procurement: Validated on romanian tenders
İnşaat kamu ihalelerinde teklif verme / vermeme karar desteği için büyük dil modeli (LLM) tabanlı bir çerçeve: Romanya ihaleleri üzerinde doğrulama
ELİF GÜLİN PETEK
Yüksek Lisans
İngilizce
2026
İnşaat Mühendisliğiİstanbul Teknik Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
DOÇ. DR. ONUR BEHZAT TOKDEMİR
- Obfuscated JavaScript detection using syntactically and lexically enhanced machine learning
Perdelenmiş JavaScript kodlarının sözdizimsel ve anlamsal yönden iyileştirilmiş makina öğrenmesi ile tespiti
EREN KILIÇ
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MEHMET TAHİR SANDIKKAYA