Doğal dil işleme ile ad hominem argümanlarının tespiti
Detection of ad hominem arguments using natural language processing
- Tez No: 1009624
- Danışmanlar: DR. ÖĞR. ÜYESİ URAZ YAVANOĞLU
- 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: Gazi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Ad hominem argümanları, bir kişinin görüşünü tartışmak yerine doğrudan o kişiye yönelik saldırılarda bulunarak tartışmanın odağını kaydıran mantık safsatalarıdır. Özellikle siyasal söylemde, medya içeriklerinde ve sosyal medya tartışmalarında sıklıkla görülen bu ifadeler, kamuoyunun yanlış yönlendirilmesine yol açabilmektedir. Bu çalışmanın amacı, Türkçe ad hominem argümanlarını otomatik olarak tespit etmek ve bu doğrultuda farklı doğal dil işleme yaklaşımlarının performansını karşılaştırmaktır. Çalışma kapsamında Reddit platformundan elde edilen Türkçe tartışma verileri kullanılarak özgün bir veri seti oluşturulmuştur. Bu veri seti, çeşitli ön işleme adımlarından geçirilmiş ve ad hominem ile non-ad hominem olmak üzere iki sınıfa ayrılmıştır. Elde edilen veri kümesi üzerinde, hem klasik makine öğrenmesi yöntemleri (Lojistik Regresyon, Destek Vektör Makineleri, Naive Bayes, Random Forest) hem de derin öğrenme tabanlı transformer modelleri (BERT, RoBERTa, ALBERT, ELECTRA) kullanılarak deneyler gerçekleştirilmiştir. Klasik modellerde TF-IDF temelli özellik çıkarımı uygulanırken, transformer tabanlı modeller görev odaklı ince ayar (fine-tuning) yöntemiyle eğitilmiştir. Buna ek olarak, BERT ve RoBERTa modellerine alan uyarlamalı ön eğitim (Domain-Adaptive Pre-Training, DAPT) uygulanarak, modellerin Türkçe diline özgü bağlamsal özelliklere daha iyi uyum sağlaması hedeflenmiştir. Çalışmada ayrıca büyük dil modellerinin (Large Language Models – LLM) ad hominem tespiti görevindeki yetkinlikleri zero-shot yaklaşımıyla incelenmiştir. Tüm modeller doğruluk, kesinlik, duyarlılık ve F1 skoru gibi metriklerle değerlendirilmiştir. Elde edilen sonuçlar, özellikle DAPT ile güçlendirilen transformer modellerinin, ad hominem söylemlerini tespit etmede klasik makine öğrenmesi yöntemleri ve zero-shot LLM yaklaşımlarına kıyasla daha başarılı performans sergilediğini ortaya koymuştur. Bu çalışma, Türkçe'de mantık safsatalarının tespitine yönelik sınırlı araştırmalara katkı sunmayı amaçlamakta ve farklı metin türlerinde mantıksal safsataların otomatik olarak analiz edilmesine yönelik önemli bir temel oluşturmaktadır.
Özet (Çeviri)
Ad hominem arguments are logical fallacies that divert the focus of a discussion by attacking the individual directly instead of engaging with their viewpoint. These expressions, frequently encountered in political discourse, media content, and social media discussions, can lead to the misdirection of public opinion. The aim of this study is to automatically detect ad hominem arguments in Turkish and to compare the performance of different natural language processing approaches for this task. Within the scope of the study, an original dataset was created using Turkish discussion data collected from the Reddit platform. The dataset was subjected to various preprocessing steps and categorized into two classes: ad hominem and non-ad hominem. Experiments were conducted using both classical machine learning methods (Logistic Regression, Support Vector Machines, Naive Bayes, Random Forest) and deep learning–based transformer models (BERT, RoBERTa, ALBERT, ELECTRA). While TF-IDF–based feature extraction was applied in classical models, transformer-based models were trained using task-specific fine-tuning. In addition, domain-adaptive pre-training (DAPT) was applied to the BERT and RoBERTa models in order to improve their adaptation to the contextual characteristics of the Turkish language. The capabilities of large language models (LLMs) in the task of ad hominem detection were also examined using a zero-shot approach. All models were evaluated using metrics such as accuracy, precision, recall, and F1 score. The results indicate that transformer models enhanced with DAPT outperform classical machine learning methods and zero-shot LLM approaches in detecting ad hominem expressions. This study aims to contribute to the limited body of research on the detection of logical fallacies in Turkish and provides an important foundation for the automatic analysis of logical fallacies across different types of texts.
Benzer Tezler
- Helping metonymy recognition and treatment through named entity recognition
Adlandırılmış varlık ile ad aktarması çözümleme
HATİCE BURCU KÜPELİOĞLU
Yüksek Lisans
İngilizce
2016
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGalatasaray ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. TANKUT ACARMAN
- Interviewster: A chatbot evaluating competency based interviews using transformer models
Interviewster: Transformer modellerini kullanarak yetkinlik bazlı mülakat yapan bir sohbet robotu
ONUR EMRE ATICI
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolMef ÜniversitesiBilişim Teknolojileri Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ŞENİZ DEMİR
- Endüstriyel uygulamalar için yeni bir dil modeli uygulaması
Implementation of a new language model for industrial applications
GÖKTUĞ ÖZENBAŞ
Yüksek Lisans
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAnkara ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. MEHMET SERDAR GÜZEL
- Helping to detect clinical conditions through language
Dil aracılığıyla klinik durumların tespitine yardımcı olma
RABİA YAŞA KOŞTAŞ
Yüksek Lisans
İngilizce
2018
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolUnıversıty Of EssexElektronik Mühendisliği ve Bilgisayar Bilimi Ana Bilim Dalı
DR. ALINE VILLAVICENCIO
- Reference selection in Turkish: A corpus-based approach
Türkçe'de referans seçimi: Derlem temelli bir yaklaşım
FARUK BÜYÜKTEKİN
Doktora
İngilizce
2025
PsikolojiOrta Doğu Teknik ÜniversitesiBilişsel Bilim Ana Bilim Dalı (disiplinlerarası)
YRD. DOÇ. DR. UMUT ÖZGE