Tez Türü: Yüksek Lisans
Tezin Yürütüldüğü Kurum: Bursa Uludağ Üniversitesi, Mühendislik Fakültesi, Endüstri Mühendisliği, Türkiye
Tez Danışmanı: Tülin İnkaya
Tezin Onay Tarihi: 2025
Tezin Dili: Türkçe
Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu
Özet:
Yapay zekâ ve doğal dil işleme teknikleri, hukuk alanında karar destek, belge analizi ve metin sınıflandırma gibi görevlerde artan bir gereksinimi karşılamakta; bu sayede yüksek hacimli yargı belgelerinin incelenmesi için gereken zaman ve emek azaltılabilmektedir. Bu tezde, Türkiye Cumhuriyeti Yüksek Mahkemelerine (Yargıtay ve Danıştay) ait 6.425 karar incelenmiş ve bu kararlar “onama” ve “bozma” olarak sınıflandırılmıştır. Veri setinde gözlemlenen sınıf dengesizliği, Sentetik Azınlık Sınıfı Üst Örnekleme Tekniği (Synthetic Minority Over-Sampling Technique, SMOTE) Rastgele Alt Örnekleme, bu ikisinin hibrit şekli ve büyük dil modeli ChatGPT (GPT-3.5-turbo) aracılığıyla üretilen sentetik onama kararları olmak üzere dört farklı veri dengeleme yöntemiyle giderilmiştir. Öznitelik mühendisliği kapsamında, metinlerde “doktrin/öğreti”, “karşı oy/muhalefet” ve “direnme” ifadelerinin varlığına dayalı öznitelikler tanımlanmış ve metin temsillerine dâhil edilmiştir. Metinler, Terim Frekansı–Ters Belge Frekansı (TF-IDF) ve Word2Vec vektörleri ile temsil edilmiştir. Sınıflandırma işlemi Karar Ağacı, Rassal Orman, K-En Yakın Komşu, Destek Vektör Makineleri, XGBoost, LightGBM, Yapay Sinir Ağı ve Uzun Kısa Süreli Bellek (LSTM) gibi çeşitli makine öğrenmesi ve derin öğrenme algoritmalarıyla gerçekleştirilmiştir. Model performansları F-ölçütü, Geometrik Ortalama ve Dengeli Doğruluk İndeksi gibi sınıf dengesine duyarlı metriklerle değerlendirilmiştir. Elde edilen sonuçlar Friedman ve Nemenyi testleri ile istatistiksel olarak analiz edilmiştir. Özellikle büyük dil modeli ile yapılan üretken veri dengeleme yaklaşımının, geleneksel yöntemlere kıyasla daha istikrarlı ve başarılı sonuçlar verdiği gözlemlenmiştir. Bu çalışmada üretken yapay zekâ destekli veri dengeleme stratejisi, bağlamsal öznitelik mühendisliği ve farklı metin temsillerinin çoklu sınıflandırma algoritmalarıyla sistematik karşılaştırması yoluyla, Türkçe hukuk metinlerinin sınıflandırılmasına yönelik yöntemsel bir çerçeve sunulmaktadır. Ayrıca büyük dil modellerinin azınlık sınıfı tahmininin performansını artırabileceği gösterilmiştir.