Makine öğrenme ile kütüphanelerde konu sınıflandırma çalışması
Subject classification study in libraries with machine learning
- Tez No: 1025463
- Danışmanlar: PROF. DR. SACİT ARSLANTEKİN
- Tez Türü: Doktora
- Konular: Bilgi ve Belge Yönetimi, Information and Records Management
- Anahtar Kelimeler: Bilgi ve belge yönetimi, Doğal dil işleme, Kataloglama ve sınıflama, Makine öğrenmesi, Metin sınıflandırma, Yapay zeka, Information and records management, Natural language processing, Cataloging and classification, Machine learning, Text categorization, Artificial intelligence
- Yıl: 2026
- Dil: Türkçe
- Üniversite: Ankara Üniversitesi
- Enstitü: Sosyal Bilimler Enstitüsü
- Ana Bilim Dalı: Bilgi ve Belge Yönetimi Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu araştırmada, eser adından yararlanılarak Dewey Onlu Sınıflama Sistemi'ne (DOS) dayalı konu sınıflandırmasının makine öğrenmesi yöntemleri aracılığıyla gerçekleştirilebilirliği incelenmiştir. Çalışma kapsamında, tıp alanına ait kitap kayıtlarından oluşturulan veri seti üzerinde farklı makine öğrenmesi yaklaşımları değerlendirilmiş; veri ön işleme, veri genişletme, etiket düzenleme ve hiyerarşik sınıflandırma süreçleri sistematik olarak uygulanmıştır. DOS'un çok sınıflı ve hiyerarşik yapısı dikkate alınarak tasarlanan modelleme sürecinde, kök düzey ve alt sınıf düzeyindeki sınıflandırma performansları ayrı ayrı analiz edilmiştir. Araştırma bulguları, eser adının konu temsili açısından anlamlı ve ayırt edici bilgiler içerdiğini, dolayısıyla belirli koşullar altında DOS tabanlı otomatik konu sınıflandırmasının gerçekleştirilebileceğini göstermektedir. Bununla birlikte, sınıf sayısının yüksek olması, veri dağılımındaki dengesizlikler ve özellikle alt sınıflarda gözlenen örnek yetersizliği, model performansını etkileyen temel faktörler olarak belirlenmiştir. Ayrıca, sınıflandırma hiyerarşisinde derinlik arttıkça problemin karmaşıklığının yükseldiği ve buna bağlı olarak performans ölçütlerinde düşüş meydana geldiği tespit edilmiştir. Çalışmada performans değerlendirmesi yalnızca doğruluk (accuracy) ölçütü ile sınırlandırılmamış; precision, recall, macro-F1 ve Matthews Correlation Coefficient (MCC) değerleri de birlikte ele alınmıştır. Çok sınıflı ve dengesiz veri yapısı göz önünde bulundurulduğunda, elde edilen sonuçlar geliştirilen yaklaşımın rastlantısal tahminin ötesinde anlamlı bir öğrenme kapasitesine sahip olduğunu ortaya koymaktadır. Bulgular, makine öğrenmesi yöntemlerinin DOS tabanlı konu sınıflandırma süreçlerinde karar destek mekanizması ve yarı otomatik konu öneri sistemi olarak kullanılabileceğini göstermektedir. Bununla birlikte, mevcut yaklaşımın doğrudan ve hatasız bir otomatik kataloglama sistemi olarak değerlendirilmesinin uygun olmadığı sonucuna ulaşılmıştır. Sonuç olarak bu çalışma, eser adından hareketle gerçekleştirilen makine öğrenmesi tabanlı konu sınıflandırmasının uygulanabilirliğini ortaya koymakta ve DOS'un hiyerarşik yapısına uygun modelleme yaklaşımlarının geliştirilmesine yönelik kavramsal ve yöntemsel bir çerçeve sunmaktadır. Bu yönüyle araştırma, kütüphane ve bilgi merkezlerinde yürütülen konu sınıflandırma süreçlerinin desteklenmesine yönelik hem kuramsal hem de uygulamaya dönük katkılar sağlamaktadır.
Özet (Çeviri)
This study investigates the feasibility of performing subject classification based on the Dewey Decimal Classification (DDC) system through machine learning methods using book titles as the primary source of information. Within the scope of the research, various machine learning approaches were evaluated on a dataset constructed from bibliographic records of medical books. Data preprocessing, data augmentation, label refinement, and hierarchical classification procedures were systematically implemented throughout the modeling process. Considering the multi-class and hierarchical structure of the DDC system, classification performance was assessed separately at both the root-category level and the subclass level. The findings indicate that book titles contain meaningful and discriminative information for subject representation and that DDC-based automatic subject classification can be achieved under certain conditions. However, a large number of classes, imbalanced data distribution, and the scarcity of training instances in lower-level subclasses were identified as the primary factors affecting model performance. Furthermore, the results demonstrate that increasing classification depth within the hierarchical structure leads to greater problem complexity and a corresponding decline in performance metrics. Performance evaluation was not limited to accuracy alone; precision, recall, macro-F1 score, and Matthews Correlation Coefficient (MCC) were also employed to provide a comprehensive assessment. Given the multi-class and imbalanced nature of the dataset, the results suggest that the proposed approach exhibits a meaningful learning capability beyond random prediction. The findings further demonstrate that machine learning techniques can be utilized as decision-support tools and semi-automatic subject recommendation systems within DDC-based subject classification processes. Nevertheless, the current approach should not be considered a fully automated and error-free cataloging system. In conclusion, this study demonstrates the applicability of machine learning-based subject classification using book titles and provides a conceptual and methodological framework for developing classification models that align with the hierarchical structure of the DDC system. Accordingly, the research contributes both theoretically and practically to the enhancement of subject classification processes in libraries and information centers.
Benzer Tezler
- Ağ anomalisi tespitinde emülatör ortamı tasarımı ve makine öğrenmesi ile saldırı tespiti
Emulator environment design for network anomaly detection and attack detection with machine learning
SERKAN KESKİN
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBurdur Mehmet Akif Ersoy ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ERSAN OKATAN
- Yapay zekâ ve makine öğrenmesinin kütüphane otomasyon sistemlerine entegrasyonu: Otomatik kataloglama
Integration of artificial intelligence and machine learning in library automation systems: Automatic cataloging
MEHMET BURAK MURAT
Yüksek Lisans
Türkçe
2024
Bilgi ve Belge YönetimiAnkara Yıldırım Beyazıt ÜniversitesiBilgi ve Belge Yönetimi Ana Bilim Dalı
DOÇ. DR. MUSTAFA BAYTER
- Derin öğrenme metodlarını kullanarak arapça metin tabanlı duygu analizi
Arabic text-based senti̇ment analysi̇s using deep learning methods
MARIAM ABAKAR NOKOUR
Yüksek Lisans
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolEskişehir Osmangazi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. EYYÜP GÜLBANDILAR
- Otonom araçlar için GPU kullanarak gerçek zamanlı yapay zeka temelli engel algılama sistem tasarımı
Obstacle detection system design based on real-time artificial intelligence using GPU for autonomous vehicles
MUSTAFA ÇETİNKAYA
Yüksek Lisans
Türkçe
2023
Elektrik ve Elektronik MühendisliğiKahramanmaraş Sütçü İmam ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ERDAL KILIÇ
DR. ÖĞR. ÜYESİ HACI ÖMER DOKUMACI
- Investigation of embedding methods on gnn basedrecommender models
Çizge sinir ağı temelli öneri sistemleriüzerinde kullanılan gömme tipinin etkisinin araştırılması
MUSTAFA AKER
Yüksek Lisans
İngilizce
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ YUSUF YASLAN