Explainable Turkish text classification for internet media discourses on brain drain and migration attitudes
Beyin göçü ve göç tutumları üzerine Türk internet medyası söylemlerinde açıklanabilir Türkçe metin sınıflandırması
- Tez No: 970658
- Danışmanlar: DOÇ. DR. TANER ARSAN
- Tez Türü: Yüksek Lisans
- Konular: Bilim ve Teknoloji, Dilbilim, Science and Technology, Linguistics
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: İngilizce
- Üniversite: Kadir Has Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu çalışmada, beyin göçü ve göç tutumlarına dair sosyal medya duygu içerikleri ile internet haberlerinde kullanılan Türkçe metinlerin açıklanabilir sınıflandırılmasına yönelik bütüncül bir çerçeve sunulmaktadır. Bunun için, sosyologlar tarafında toplanıp etiketlenmiş 2,343 haber makalesinden oluşan bir göç söylemi veri kümesi derlenmiş ve ana haber metinleri, Unicode normalleştirme, Türkçeye özgü lemmatizasyon ve özetleme yöntemleri ile 978 alt-kelime uzunluğunda vektörlere dönüştürülmüş ve bu veride metnin okuyucuya olan etkisi'ni temsil eden tonlama sütunu, pozitif ve negatif olacak şekilde sınıflandırma etiketleri olarak belirlenmiştir. Eğitimde Sadece Kodlayıcı (BERT), Sadece Kod Çözücü (GPT), Sadece Maskelenmiş Kod Çözücü (MaskedOnly) ve Kodlayıcı–Kod Çözücü (T5) olmak üzere çeşitli Transformer mimarileri test edilmiş, çapraz-dikkat mekanizmasına odaklanılması sebebiyle GPT ve T5 mimarileri ile devam edilmiştir. Etiketlerin doğruluğunu, gizli katman çıktılarının hizalanması ve potansiyel anahtar kelime gruplarını belirlemek için, yeni bir küme tutarlılık kaybı fonksiyonu aracılığı ile veriler uygun gruplara ayrılmış, YAKE, RAKE, KeyBERT1, KeyBERT2, BERTopic ve LDA ile elde edilen kümelere özgü anahtar kelimeler elde edilmiştir.Katman ve baş düzeyinde hesaplanan seyreklik, Kullback–Leibler sapması ve SHAP tabanlı katkı analizleri; alt katmanın genel bilgi topladığını, üst katmanın ise sınıf ayırıcı belirteçlere odaklandığını ortaya koymuş, belirli başların merkez anahtar kelimelere odaklandığı çapraz dikkat haritaları ile gözlemlenmesi sayesinde çapraz-dikkat mekanizmasının açıklanabilirlik için uygunluğunu gözler önüne sermiştir. Önerilen sistem, göç haberlerinde % 79.52 doğruluk oranına ve % 79.32 ağırlıklı F1 skoruna ulaşmıştır. Bu çalışma, düşük kaynaklı ve yüksek riskli metinsel uygulamalar için güvenilir Türkçe açıklanabilir Transformer modellerine dair ilk bütüncül altyapıyı sunmaktadır.
Özet (Çeviri)
This thesis presents an integrated framework for explainable Turkish text classification applied to social media sentiment and Internet news on brain drain and migration attitudes. We construct two corpora: a 27,481-tweet sentiment dataset and a 2,343-article migration discourse collection, each preprocessed via Unicode normalization, Turkish‐specific lemmatization, and sequence length pruning to 978 subword tokens. Three Transformer paradigms, encoder‐only (BERT), decoder‐only (GPT), and encoder–decoder (T5), are re-fined-tuned with low‐rank adapters under an architecture‐preserving optimization schedule. A novel cluster consistency loss aligns Transformer hidden representations with class‐specific keyword clusters extracted by YAKE, RAKE, KeyBERT1, KeyBERT2, BERTopic, and LDA. Quantitative interpretability metrics, including head‐wise sparsity, layer‐wise Kullback–Leibler divergence, and SHAP‐based regional importance, reveal that lower layers gather broad evidence while upper layers concentrate on class‐defining tokens. Qualitative cross‐attention visualizations confirm a sharp semantic boundary at a specific token, with selected heads faithfully surfacing centroid keywords. The proposed system achieves 79.52 % accuracy and 79.32 % weighted F1 scores on migration news classification, while delivering human‐intuitive explanations that satisfy both fidelity and transparency. This work offers the first end‐to‐end pipeline for explainable Transformer classification in Turkish, laying a foundation for trustworthy AI in low‐resource and high‐stakes textual domains.
Benzer Tezler
- Makine öğrenmesi kullanılarak yanıltıcı haber ve ayrıştırıcı dil tespit algoritmaları geliştirilmesi
Developing fake news and hate speech detection algorithms using machine learning
FATİH SİNAN ESEN
Doktora
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAnkara ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ŞAHİN EMRAH
- AI-supported operationalization of situational leadership II using multilingual NLP (natural language processing)
Çok dilli doğal dil işleme (NLP) kullanılarak durumsal liderlik II'nin yapay zekâ destekli operasyonelleştirilmesi
DOĞAN ÖZMEN
Yüksek Lisans
İngilizce
2026
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBeykoz ÜniversitesiBilgisayar Bilimleri ve Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ İNAL BEGÜM TURNA DEMİREL
- Uluslararası patent veritabanları analizi ile Türkiye'nin bilişim teknolojileri alanındaki yerinin belirlenmesi
Determining the position of Turkey in the field of information technologies through analysis of international patent databases
SELAHATTİN BAL
Yüksek Lisans
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiBilişim Sistemleri Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ TUĞRUL TAŞCI
- Adalet ve Kalkınma Partisi'nin liberal muhafazakâr söylemden yerli ve milli söyleme geçişinin analizi
Analysis of the Justice and Development Party's transition from liberal conservative discourse to local and national discourse
MELİKE KAYIRAL
Doktora
Türkçe
2024
Siyasal BilimlerBartın ÜniversitesiSiyaset Bilimi ve Kamu Yönetimi Ana Bilim Dalı
DOÇ. DR. ÖMER BAYKAL
- İskender adlı romanda yer alan halk bilim unsurlarının edebiyat sosyolojisi ve kendini çevirmek bağlamında değerlendirilmesi
Evaluation of the folklore elements of the novel honour in the context of literary sociology and self-translation
NESLİHAN PARLAK
Doktora
Türkçe
2024
Mütercim-TercümanlıkAnkara Hacı Bayram Veli ÜniversitesiMütercim Tercümanlık Ana Bilim Dalı
DOÇ. DR. AYDAN IRGATOĞLU