Çankırı Karatekin Üniversitesi duyuru ve haber metinlerinde yapay zeka destekli içerik üretimi
Artificial intelligence–assisted text generation in the announcement and news texts of Cankiri Karatekin University
- Tez No: 996507
- Danışmanlar: DOÇ. DR. FATİH KORKMAZ, DOÇ. DR. MUSTAFA KARHAN
- 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: Çankırı Karatekin Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu tez çalışması, Türkçe haber metni üretimi için yapay zeka (AI) destekli bir modelleme ile metin üretimi çalışması sunmuştur. Tez kapsamında, Çankırı Karatekin Üniversitesi duyurularından ve akademik içeriklerinden derlenmiş, 1.800 adet özgün metin içeren etiketsiz özel bir veri kümesi oluşturulmuştur. Model eğitimi için Google'ın Gemma-2 9B modeli temel alınmış ve tek bir NVIDIA RTX 4090 GPU üzerinde LoRA tabanlı ince ayar uygulanmıştır. 4-bit Nicemleme Farkındalıklı Eğitim (QAT) ve karma hassasiyet kullanımı, kısa bir eğitim süresi ve optimize edilmiş bellek kullanımı ile verimli bir eğitim süreci sağlamıştır. Bu verimlilik, kaynak kısıtlı ortamlarda büyük dil modellerinin ince ayarının yapılabilirliğini göstermiştir. Kullanılan modelin performansı, çok boyutlu bir metrik seti ile kapsamlı şekilde değerlendirilmiştir. Metinlerin doğallığını ölçen Perplexity (PPL) metriğinde (9,82) yüksek bir başarı sergilenmiştir. Lexical Diversity (LD) gösteren Type-Token Ratio (TTR) (0, 797) ve Moving-Average TTR (MATTR) (0,827) ile içeriğin bütünlüğünü ölçen Domain Keyword Score (DKS) (0,974) metriklerinde iyi düzeyde sonuçlar elde edilmiştir. Anlamsal tutarlılığı değerlendiren Sentence Transformers (ST) (0,7188) ve BERTScore F1 (0,6616) skorları iyi seviyede bir performansa işaret etmiştir. Buna karşın, kelime başına düşen bilgi miktarını ifade eden Information Density (ID) (0,518) ve geleneksel n-gram tabanlı ROUGE skorları (%38–40 aralığında) orta düzeyde kalmıştır. Ayrıca 95 katılımcıyla gerçekleştirilen Likert ölçekli anket, 5 üzerinden ortalama 3,82 puan ile bu bulguları desteklemiştir. Katılımcılar, model çıktılarının akıcılığını ve bilgi doğruluğunu genel olarak olumlu değerlendirmiştir. Sonuç olarak bu çalışma, geliştirilen modelin Türkçe haber metni üretiminde hem teknik metrikler hem de kullanıcı değerlendirmeleri açısından başarılı, tutarlı ve pratik bir çözüm sunduğunu kanıtlamıştır. Elde edilen bulgular, alana özgü veri setleriyle yapılan ince ayar yönteminin, AI destekli içerik üretiminde yüksek potansiyele sahip olduğunu göstermektedir.
Özet (Çeviri)
This thesis presents a text generation study using an artificial intelligence (AI)-supported modeling approach for Turkish news text production. Within the scope of the thesis, a specialized, unlabeled dataset comprising 1,800 unique texts was created, compiled from announcements and academic content from Çankırı Karatekin University. Google's Gemma-2 9B model was used as the basis for model training, and LoRA-based fine-tuning was applied on a single NVIDIA RTX 4090 GPU. 4-bit Quantization Aware Training (QAT) and mixed precision usage ensured an efficient training process with a short training time and optimized memory usage. This efficiency demonstrates the feasibility of fine-tuning large language models in resource-constrained environments. The performance of the model used was comprehensively evaluated using a multidimensional metric set. It achieved high success in the Perplexity (PPL) metric (9.82), which measures the naturalness of texts. Good results were obtained in the Type-Token Ratio (TTR) (0.797) and Moving-Average TTR (MATTR) (0.827) metrics, which show Lexical Diversity (LD), and in the Domain Keyword Score (DKS) (0.974) metric, which measures content integrity. Sentence Transformers (ST) (0.7188) and BERTScore F1 (0.6616) scores, which evaluate semantic consistency, indicate a good level of performance. However, the Information Density (ID) (0.518), which indicates the amount of information per word, and the traditional n-gram-based ROUGE scores (in the range of 38–40%) remained at a moderate level. Furthermore, a Likert scale survey conducted with 95 participants supported these findings with an average score of 3.82 out of 5. Participants generally evaluated the fluency and information accuracy of the model outputs positively. In conclusion, this study demonstrates that the developed model offers a successful, consistent, and practical solution for Turkish news text generation in terms of both technical metrics and user evaluations. The findings indicate that fine-tuning methods using domain-specific datasets hold high potential for AI-assisted content generation.
Benzer Tezler
- “Çernobil”nükleer reaktör kazasından sonra çeşitli yaş grubu hayvanlarının kemiklerinde Sr-90 birikimin incelenmesi
Investigation of deposites Sr-90 in sheep bones of different ages
RECEP ACAR
- Çankırı bölgesinde imal edilen betonlarda su/çimento oranının beton mukavemetine etkisi
The Effect of W/C ratio to reinforced concrete strenght in Çankırı area
DOĞAN DEMİRAN
- İç Anadolu ayvalarında seleksiyon çalışmaları
Selection studies on central Anatolia's quince trees
MUSTAFA KEMAL GÜNGÖR
- Çankırı ilinde akut solunum yolu enfeksiyonlarının kontrolü üzerine bir çalışma
Başlık çevirisi yok
LEVENT AKIN
