Geri Dön

Retrieving turkish prior legal cases with deep learning

Derin öğrenme ile türkçe emsal karar bulma

  1. Tez No: 828203
  2. Yazar: CEYHUN EMRE ÖZTÜRK
  3. Danışmanlar: DR. ÖĞR. ÜYESİ AYKUT KOÇ
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Elektrik ve Elektronik Mühendisliği, Computer Engineering and Computer Science and Control, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2023
  8. Dil: İngilizce
  9. Üniversite: İhsan Doğramacı Bilkent Üniversitesi
  10. Enstitü: Mühendislik ve Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Elektrik Elektronik Mühendisliği Bilim Dalı
  13. Sayfa Sayısı: Belirtilmemiş.

Özet

Bu çalışma Yargıtay'da emsal karar bulmak için derin öğrenme modelleri kullanmaktadır. Hukuk alanında çalışanların incelemesi gereken geniş çaplı hukuk veri tabanları ve bilgisayarların büyük miktarda metni kısa zamanda işleme kapasiteleri sebebiyle bulgetir algoritmaları hukuk alanında çalışanlar için faydalıdır. Bu tezde hukuksal yinelemeli sinir ağları (RNN) ve BERTurk-Legal modeli tanıtılmaktadır. Ayrıca Türkçe hukuk alanına özel yoğun kelime temsilleri tanıtılmaktadır. Buna ek olarak emsal karar yöntemi olarak RNN otokodlayıcılar, hukuksal RNN otokodlayıcılar, RNN otokodlayıcıların BM25 ile birleşimleri ve BERTurk-Legal modeli kullanılmıştır. En iyi sonuçlar BERTurk-Legal modeli ile elde edilmiştir.

Özet (Çeviri)

This study utilizes deep learning models to retrieve prior legal cases in the Court of Cassation in Turkey. Given the vast legal databases that legal professionals need to navigate and the ability of computers to handle large amounts of text quickly, information retrieval algorithms prove beneficial for legal practitioners. In this thesis, we introduce our legal recurrent neural network (RNN) models and the BERTurk-Legal model. We also introduce dense word embeddings for the Turkish legal domain. Moreover, we employ RNN autoencoders, Legal RNN autoencoders, combinations of RNN autoencoders with BM25 algorithms, and BERTurk-Legal to retrieve prior legal cases. We obtain the best results with the BERTurk-Legal model.

Benzer Tezler

  1. Türk halılarının görüntü veri tabanı kullanarak saklanması ve sorgulanması

    Başlık çevirisi yok

    BARBAROS GÜNAY

    Yüksek Lisans

    Türkçe

    Türkçe

    1998

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. MUHİTTİN GÖKMEN

  2. Türk ve dünya bankacılık sisteminde ihracat kredileri ile ihracat kredi sigorta / garanti programlarının yeri ve ülke uygulamaları

    Başlık çevirisi yok

    FARUK GÜLMÜŞ

    Yüksek Lisans

    Türkçe

    Türkçe

    2001

    BankacılıkMarmara Üniversitesi

    Bankacılık Ana Bilim Dalı

    PROF.DR. İLHAN ULUDAĞ

  3. Gövdelemenin ve gömünün türkçe bir bilgi erişim sistemi üzerindeki etkisinin araştırılması

    A Study on the effects of stemming and thesaurus for retrieving information in Turkish documents

    MEHMET EROĞLU

    Yüksek Lisans

    Türkçe

    Türkçe

    2000

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolHacettepe Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. HAYRİ SEVER

  4. Retrieving words from their“meanings”

    Manadan sözcük bulma

    İLKNUR DURGAR EL-KAHLOUT

    Yüksek Lisans

    İngilizce

    İngilizce

    2003

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSabancı Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. KEMAL OFLAZER

  5. Detecting hate speech in Turkish texts

    Türkçe metinlerde nefret söylemi tespiti

    ZEHRA MELCE HÜSÜNBEYİ

    Yüksek Lisans

    İngilizce

    İngilizce

    2020

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBoğaziçi Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. ARZUCAN ÖZGÜR TÜRKMEN