Yapay zeka yöntemleri kullanılarak ses tabanlı konuşmacı dili tanıma yöntemi geliştirilmesi
Developing a speech-based speaker language recognition method using artificial intelligence methods
- Tez No: 988942
- Danışmanlar: DOÇ. DR. ERHAN AKBAL
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Adli bilişim, Dil sınıflandırma modeli, Computer forensics, Language classification model
- Yıl: 2026
- Dil: Türkçe
- Üniversite: Fırat Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Adli Bilişim Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Adli Bilişim Mühendisliği Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Günümüzde dijital iletişimin hızla yayılması ve çok dilli veri akışının artmasıyla birlikte, farklı dillerin hızlı ve doğru bir şekilde tanımlanması hem güvenlik uygulamalarında hem de adli incelemelerde önemli bir gereklilik haline gelmiştir. Ses sinyalleri üzerinden gerçekleştirilen dil tanıma sistemleriyle konuşmacının hangi dili kullandığını kısa süreli kayıtlar üzerinden tespit ederek özellikle adli ses incelemelerinde kritik bir rol oynamaktadır. Dilin doğru bir şekilde belirlenmesi, soruşturma süreçlerine yönlendirilmesi, terör ve ka çakçılık gibi suç dosyalarının analiz edilmesi ve iletişim içeriklerinin çözümlemesi açısından büyük önem taşımaktadır. Bu tez çalışması, kısa süreli konuşma sinyallerinden (2 saniye) dil tanımlamaya yönelik bir modelin geliştirilmesi amaçlanmıştır. Çalışmada, 60 farklı dili kapsayan geniş bir veri seti kullanılmış ve her bir ses kaydı uygun ön işleme adımlarından geçirilmiştir. Ses sinyalleri üzerinde dört seviyeli Ayrık Dalgacık Dö nüşümü uygulanarak çok katmanlı bir temsil elde edilmiş, bu bantlardan Yerel İkili Örüntü (LBP) ve çeşitli istatistiksel özellikler çıkarılmıştır. Daha sonrasında çıkarılan özellikler, Komşuluk Bileşen Analizi ile en anlamlı hâline indirgenmiş ve sınıflandırma aşamasında k-En Yakın Komşu (kNN) ile Destek Vektör Maki neleri (SVM) yöntemleri kullanılmıştır. Deneyler sonucunda, Cubic SVM sınıflandırıcısının %79,98 doğruluk oranı ile en başarılı performansı gösterdiği belirlenmiştir. Bu sonuçlar, kısa süreli seslerden dil tanımanın mümkün olduğunu ve geliştirilen yöntemin adli bilişim uygulamalarında pratik bir şekilde kullanılabileceğini ortaya koymaktadır.
Özet (Çeviri)
The quick and precise identification of many languages has become crucial in both security applications and forensic investigations due to the current rapid expansion of digital communication and the rise in multilin gual data flow. By detecting the language spoken by the speaker through brief recordings, speech signal based language recognition systems are essential to forensic voice investigations. In order to guide investi gative procedures, analyze crime files related to terrorism and smuggling, and interpret communication con tent, accurate language identification is crucial. The goal of this thesis is to create a model for language recognition utilizing brief speech inputs (two sec onds). Each audio recording was subjected to the necessary preprocessing procedures, and the study made use of a sizable dataset that included 60 different languages. A four-level Discrete Wavelet Transform was applied to the audio signals to create a multi-level representation. Local Binary Pattern (LBP) and other statistical features were then retrieved from these bands. Neighborhood Component Analysis was then uti lized to reduce the retrieved features to their most relevant form, and k-Nearest Neighbor (kNN) and Support Vector Machines (SVM) techniques were applied in the classification stage. With an accuracy rate of 79.98%, the studies showed that the Cubic SVM classifier performed the best. These findings show that it is feasible to recognize speech from short-duration noises and that the established ap proach has practical implications in forensic computing.
Benzer Tezler
- Yapay zeka yöntemleri kullanarak konuşma duygu tanıma modeli geliştirilmesi
Speech emotion detection model development using artificial intelligence methods
FATMA GÜNEŞ ERİŞ
Doktora
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. ERHAN AKBAL
- İşitme kaybı türü ve işitme kaybı derecesi belirlenmesinde iki metot karşılaştırılması: Yapay sinir ağları ve koşullu yapılarla kodlanan mobil uygulama
Comparison of TWO methods in determining the type of hearing loss and the grade of hearing loss: mobile application coded with artificial neural networks and conditional structures
AHMET YASİN DİŞÇİ
Yüksek Lisans
Türkçe
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Aydın ÜniversitesiOdyoloji Ana Bilim Dalı
PROF. BAHRİYE ÖZLEM KONUKSEVEN
- Açıköğretim sistemlerinde derin öğrenme tabanlı ses klonlama modellerinin karşılaştırmalı analizi
Comparative analysis of deep learning-based voice cloning models i̇n open education systems
DAMLA AYDIN
- Classification of abnormal respiratory sounds using deep learning techniques
Solunum seslerinin derin öğrenme yöntemleri ile sınıflandırılması
AHAMADI ABDALLAH IDRISSE
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Bilimleri Ana Bilim Dalı
DOÇ. DR. OKTAY YILDIZ
- Acil durum tabanlı telsiz konuşmalarındaki gürültülü ses verilerinin derin öğrenme yöntemleri kullanılarak tanımlanması
Identification of noisy voice data in emergency-based radio conversations using deep learning methods
CELALETTİN ARSLAN
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolErzincan Binali Yıldırım ÜniversitesiYapay Zeka ve Robotik Ana Bilim Dalı
DOÇ. DR. VOLKAN KAYA