YBS Ansiklopedi 
www.YBSAnsiklopedi.com 
Cilt 2, Sayı 4, Aralık 2015 
 
 
DoÄŸal Dil Ä°ÅŸleme(Natural Language Processing) 
Sadi Evren SEKER 
aIstanbul Medeniyet University, Department of Business 
Özet 
Doğal dil işleme konusuna giriş içeriğinde olan bir yazı olmuştur. Doğal dil işleme ingilizce literatürde natural 
language processing ya da NLP olarak kısaltılmış hali geçmektedir. Doğal dil işleme süreçleri, doğal dil işlemeye neden 
gereksinim duyulmakta, karşılaşılan sorunlar nelerdir ve son  kullanılan yerlere değinilerek giriş anlamında bir anlatım olmuştur. 
 
  
Anahtar Kelimeler: Doğal dil işleme , Makine Çevrimi ,Kelime işleme ,internet arama motoru , Metin işleme , Finans  ,Zamansal Mantıklar, 
Argüman Ağları  
 
Summary 
This article aims to make a brief introduction to natural language processing concept and terms. Some problem types 
and some application areas are introduced in the article.  
 
Keywords: Natural Language Processing , Machine Translation, Word Processing ,NL/DB interface, AI Bots (Siri), Text Processing, Text 
Summarization, Argument Aggregation  
 
1. Doğal Dil İşlemeye Genel Bakış   
 
Diller bilindiği üzere ikiye ayrılır; makine dili(machine language) ve insanlar tarafından kullanılan doğal 
dildir(natural language). Bilgisayarların insanların dillerini anlaması , onlarla iletişime geçmeleri için doğal dil 
işleme bilimi kullanmaları gerekmektedir. Kısacası, bilgisayarların doğal dilleri işleme sürecidir. Bunu insan-
bilgisayar etkileşimi (human computer interaction-HCI) (Preece, 1994.) biliminin altında da görülebilir  veya 
hesaplamalı dil bilimi(compurtational linguistics-CL) olarak da görülebilir. Burada dilin hesaplanması işlem 
görmesi durumudur.  
Veri bilimiyle doğal dil işleme arasındaki ilişki düşünüldüğünde, aslında bu konuyu metin işleme(Text 
Processing)  ve metin madenciliğinin(text mining) (Seker, Metin Madenciliği(Text Mining), 2015)  altında 
düşünmek gerekir. Çünkü veri biliminin genelde ilgilendiği kısım buralardır. Bunun sebebi , eğer veri kaynakları 
metin şeklindeyse bunların ilk önce analiz edilmesi ve işlenebilir hale getirilmesinde doğal dil işleme önemli bir rol 
oynamaktadır. 
 
 
Author name / Procedia - Social and Behavioral Sciences 00 (2015) 000–000 
15 
Doğal dil işleme girdilere göre ikiye ayrılır. Yazılı metinlere(text processing ) göre ve ses (speech processing)  
üzerine yapılanlardır. Doğal dilin genellikle iki kaynağı bulunmaktadır. Birinin konuşması durumunda ona sesli 
yanıt verilmesi veya yazılı bir metnin analiz edilmesi olarak düşünülebilir. Doğal dil işleme çalışmalarıı şu şekilde 
olmaktadır; ses üzerinden çok fazla çalışma yapılamamakla birlikte daha çok sesli anlatımların yazılı hale getirilip 
ve daha sonra yazılı hale getirilen metinler işleme dahil edilmeleriyle oluşmaktadır. 
Doğal dil işlemenin  çalışma seviyelerine bakıldığında dört ana madde görülmektedir. Kelime 
bilimi(Morphological-Lexical), söz dizimsel (syntactic),anlamsal(semantic) ve söylevdir(pragmatic-discourse). 
Doğal dil işleme aşamaları bu dört ana madde üzerinden anlatılmaya çalışılacaktır. Kelime bilimi(lexical), 
kelimelerin anlamlarının anlaşılmasıyla ilgilenir. Bir kelimenin kökünün hangi ekler alarak hangi anlama 
dönüştüğünü inceler ve bu sayede kelimenin ne olduğu anlaşılır. Söz dizimsel (syntactic), cümledeki kelimelerin 
dizilim şeklidir. Bir cümlede kelimelerin nasıl dizildiğiyle ilgilenir. Anlamsal(semantic), kullanılan cümlelerin 
anlamlarını inceler. Çünkü doğal dilin bilgisayar tarafından doğru işlenebilmesi için ilk, bu cümlenin doğru bir 
şekilde  anlaşılmasıdır. Söylev(pragmatics-discourse),bir konuşma sırasında kullanılan kelimeler ve anlamlarıyla 
ilgilenir. İlk önce bilgisayar tarafından konuşma anlaşılmalı ve nelerden bahsedildiği anlaşılan cümlelere doğru 
kelimeler kullanılarak cevap verilmesi durumudur. 
Doğal dil işlemenin bir diğer kısmı üretim(Generation) kısmıdır. Burada bir dilin anlaşılması için gerekli 
zamanı yine bu dili üretmek için de kullanılmalıdır. Örneğin bilgisayarın ürettiği bir türkçe kelime olarak 
düşünülebilir. 
2. Doğal Dil İşlemede Karşılaşılan Zorluklar 
2.1. Belirsizlik-Muğlaklık Durumu (Ambiguity) 
2.1.1.  
Sözcük Seviyesi(Lexical) 
  Diller ailesinde bitişik ,sondan eklemeli(Agglutinative) olarak bir dil ailesi bulunmaktadır. Yani bir 
kelimenin sondan eklemeli olarak ,birden fazla ek almasıyla  bir çok anlama gelebilir. Bu sebepten dolayı bu 
kelimelerin anlamını bulmak zorlaşmaktadır. Örneğin Türkçe dili de sondan eklemeli bir dildir. 
2.1.2.  
Sözdizimsel(Syntactic) 
Cümlenin içinde kelimelerin yer değiştirilmesiyle oluşturulan cümleler bulunmaktadır. Bu kelimelerin 
cümlede bulundukları yere göre anlamı değişebilmektedir. Kelimenin vurgusu değişebilir. Bu durumun bilgisayar 
tarafından anlaşılması gerekmektedir. 
2.1.3. Kısmi Bilgi Yorumlanması(Interpretation of Partial Info) 
Bir tercüme ,çeviri yapılması durumunda bir cümlede bulunan örneğin bir zamirin hangi kelimeyi karşıladığı 
bulunması durumudur. İngilizce zamirlerden “he,she,it” durumu gibi. 
2.1.4. BaÄŸlam(Context) 
Bilgisayara girilen bir cümlenin hangi alandan veya konudan bahsedildiği bilgisayar tarafında anlaşılmalıdır. 
Örnek olarak ‘Türkiye de ege bölgesinde dağlar denize diktir. ’cümlesi bilgisayara girildiğinde bunun coğrafi bir 
bilgi olduğu anlaşılmalı ve içerisindeki kelimelerin coğrafi terimler olabileceği varsayabilmelidir. Birşeyi ifade eden 
çok şey, çok şeyi ifade eden bir şey vardır cümlesi bu durumu açıklayan çok güzel bir ifadedir. Bir kişi bir cümle ile 
karşısındaki kişiye bir çok şey ifade edebilir ya da bir kelimeyle her şeyi açıklayabilir. İşte bu durumda bilgisayarın 
bu cümleyi nasıl anladığı önemli bir sorun olabilir ya da bir kelimeyi ifade eden bir çok kelime olabilir, bilgisayarın 
en doğru karşılığı bulması da burada yine önemli bir sorundur. 
3. Dil Bilgisi Bilimi(Knowledge) 
3.1. Ses bilimi(Phonology-Phonemes) 
Kelimelerdeki vurgu durumudur. Her kelimenin, her harfin bir söyleniş şekli bulunmaktadır. Sesler ve 
bunlara bağlı fonetik olma durumları değişebilmektedir. Kısacası her kelime her zaman aynı şekilde ifade edilemez. 
 
Author name / Procedia - Social and Behavioral Sciences 00 (2015) 000–000 
16 
Türkçede her kelime yazıldığı gibi okunur fakat her ses her zaman aynı şekilde söylenmez. Örneğin ‘k’ harfi ele 
alındığında bazen  ‘ke’ bazen de ‘ka’ şeklinde seslenilir. Yani yeri geldiğinde vurgular değişmektedir. Bu durum 
ingilizce de daha kompleks durumdadır. 
3.2. Kelime Bilimi(Morphology-Morphemes) 
Kelime bilimindeki en küçük parçalar olarak ifade edilebilir. Yapım ekleri ,çekim ekleri bunlara örnek 
verilebilir. Örneğin -cı,-ci gibi gelen yapım ekleri bir kelime parçalanırken bölünen en küçük parçadır. 
3.3. Sözdizimi(Syntax-Phrases,sub-phrases) 
Kelime gruplarının belirlenmesi ,tamlamalar sözdizimi için örnek olarak gösterilebilir. Tamlamadaki her 
kelime kendine ait bir anlamı varken birlikte de bir anlam ifade edebilir. Örnek olarak kırmızı evin kapısı isim 
tamlamasında her kelime tek başına bir nesneyi ifade ederken birlikte farklı bir şeyi ifade etmeleridir. 
3.4. Anlamsal(Semantics-Representation) 
Kelime gruplarının bilgisayarın anlayabileceği, kelimeleri birbiriyle karşılaştırabileceği gruplayabileceği  
eklemeler yaparak yeni kelime türetebileceği ,üretirken kullanacağı formüller halinde ele alınabilecek bir gösterim 
durumudur. Kısacası mantıksal gösterine ihtiyaç duyulmaktadır. 
3.5. Yorumsal (Pragmatics) 
Sadece kelimelerin anlamları ya da sadece cümlede nerede oldukları değil aynı zamanda pratik anlamda 
hangi anlama geldikleri ,güncel hayatta nasıl kullanıldığının yorumlanmasıdır. 
3.6. Söylev(Discourse) 
Bir kelimenin hangi alanda ne anlama gelir bunun bilinmesi gerekir. Örnek olarak bir top kelime üzerinde 
düşünüldüğünde futbolda kullanılan ‘top’ kelimesi başka bir şey ifade ederken basketbol kullanılan  ‘top’ kelimesi 
farklı bir şeyi ifade etmektedir. Ya da bambaşka bir alan olan askeri terminoloji de bambaşka bir ifade olur. 
3.7. World Knowledge 
İnsanların yıllardır edindikleri bilgi birikimi ;okudukları ,araştırdıkları geçmiş birikimler sayesinde 
kelimelerin ifade ettikleri kültürel anlamlar değişebilmektedir. Bahsedilen konuların değişmesiyle bir kelime farklı 
anlamlar ifade edebilir. İşte bu kelimelerin doğal dil işleme ile incelenip bilgisayarların anlamasını sağlamak başka 
bir problem olarak görülmektedir. 
Dil bilgisi, kelimenin anlaşılmasından başlanarak, gelen eklerin yorumlanması, seslerin incelenip anlam 
yüklenilmesiyle hangi konuya dahil olduğu tahmin edilip insan bilgi birikimi ve kültürel anlam ile birlikte  en yakın 
anlamı bulmaya çalışmaktadır. 
4. Karşılaşılan Örnek Problemler 
Koyun kelimesi ele alındığı; Koyun kelimesi tek başına anlamlı bir kelimedir. Yani ‘koyun’ kelimesi 
görüldüğünde ya da duyulduğunda direk akla gelen anlam hayvanlar aleminden bir hayvan olma ihtimalidir. Fakat 
‘koyun’ kelimesi biraz parçalandığında koy-un ve buradan ilk kelime olan ‘koy’  ifadesi koymak olan bir fiil olur. 
Bu sefer koyun kelimesine tekrar bakıldığında bir nesneyi bir yere koy anlamında karşıdaki  şahsa emir anlamını 
ifade eder. İşte burada da görülüyor ki bir  kelime biraz incelendiğinde başka anlamlar barındırabilir. Bu kelimenin 
anlaşılır olması bu sebeple önemlidir. Bir kelime hakkında ; fiil ya da ek alarak türemiş bir kelime ya da söz öbeği 
şeklinde anlaşılması morfolojik seviyede birden fazla anlamını ortaya çıkarmaktadır. 
Literatürde geçen art gönderim çözümleme sorunu (anaphora resolution problem) (Van der Sandt, 1992) 
 
Author name / Procedia - Social and Behavioral Sciences 00 (2015) 000–000 
17 
olarak da geçen başka bir problem ; 
 Ali okula otobüsle geldi. O çantasını unuttu . 
Cümleleri üzerinde düşünüldüğünde ;ikinci cümlede bulunan ‘O’ ifadesi hangi ifadeyi temsil ediyor bu sorun 
ortaya çıkmaktadır. Bu durumun sorun olma sebebi ,bu cümlenin başka bir dile çevrilme durumunda ‘o’ ifadesini 
kime göre çevirme yapılacak, bunun belirsizliğidir. Örnek üzerinden incelenmeye devam edildiğinde Ali kelimesi 
türkçede erken ismi olarak geçer ve bu  ‘o’ ifadesi Ali ismini vurgulayan bir zamirdir. Bu durumda başka bir dile 
çevrildiğinde ‘O ’ kelimesi  erkek(masculen) takısı almalıdır. İngilizcede olan ‘he’ karşılığı gibi. 
Başka bir örnek üzerinden devam edildiğinde ; 
Elektrik arızası cebe girdi. (Haber, 2015) 
 Cümlesi üzerinden düşünüldüğünde, bir insan tarafından bu cümle analiz edilebiliyor ve anlaşılıyor. Nedir 
bu, elektrik arızasının cep telefonuna indirilen bir uygulama sayesinde kolay bir şekilde ihbar edilebilmesidir. Fakat 
bunun bilgisayar için anlamına bakıldığında bu cümlenin anlaşılabilmesi için bilgisayarın ciddi bir bilgi birikimine 
ihtiyacı vardır. Bilgisayarın cep kelimesinden kısaca ‘cep telefonu ’ndan bahsedildiğini , girmek kelimesinden bir 
uygulamanın cep telefonuna indirilme işlemini vurguladığını tahmin etmelidir. 
5. Uygulama Alanları 
Doğal dil işleme(DDI),günümüz teknolojilerinde bir çok alanda kullanılmaktadır bunlardan bazılarını şu 
şekilde sıralamak mümkündür. 
5.1. Soru cevaplama(Question answering) 
Doğal dil işleme konusunun ilk problemlerinden biridir. Verilen bir metin üzerinden düşünüldüğünde, bu 
metnin analiz edilerek anlamlı soru ve cevap çıkarılması ya da verilen sorular üzerinden  o soruların cevaplarının bir 
metin üzerinden bulunması  istenilir. Bu sorunun çözümü aynı zamanda arama motorlarının da bir problem olan 
‘konuşarak (sesli)arama yapabilme sorunu’ çözülmesine de sebep olacaktır. 
5.2. Otomatik tercüme(machine translation) 
Bir makine tarafından bir metnin tercüme bir dilden başka bir dile çevirme  işlemi yapılması istenilmektedir. 
5.3. Bilginin Getirilmesi(Information retrieval) 
Aranılan bir bilginin metin kaynakları arasında aranıp bulunması ve getirilmesi işlemidir. 
5.4. Kelime iÅŸleme (Word Processing (Grammer checking, spell checking ,spell correction,Find/Replace)) 
Sıkça kullanılan bir işlem olan kelime işleme bir çok alanda kullanılan bir takım işlemlerden oluşur. Metin 
üzerinde yazımsal hataları kontrol etmek için dil bilgisi kontrol işlemi (Grammer checking) kullanılır. Ya da bir 
kelime için heceleme kontrol ve düzeltme (spell checking and spell correction) işlemleri kullanılır. Kemal Oflazer 
(Oflazer, (1996) )tarafından yazılan bir makale de ,word programında bir kelime arama (Find/replace) işlemi 
yapıldığında, bul ve değiştir işleminin uygulanması istenildiğinde; örneğin bir metinde okul kelimesinin ev ile 
değiştirilmesi istenildiğinde ,metinde bulunan bütün okul kelimelerinin ev kelimesi ile değiştirildiği görülmektedir. 
Fakat burada okullar kelimesi düşünüldüğünde bu kelimenin evlar olarak değiştiği görülecektir. Bu kelime hatasının 
evler olarak düzeltilme durumu da hece düzeltme-kontrol(spell checking-correctoin) işlemi uygulanmalıdır. 
5.5. Doğal Dil İşleme-Veri Tabanı Arayüzü ( NL/DB interface) 
Veri tabanı üzerinden sorgulama işlemi yapıldığında kullanılan bir işlemdir. Bir üretim departmanında soru 
olarak gelen ‘Bu yıl ki satış oranı nedir?’ sorusunu veri tabanında uygulamak için bir sorgu cümlesine çeviren bir 
sistemdir.  
 
Author name / Procedia - Social and Behavioral Sciences 00 (2015) 000–000 
18 
5.6. İnternet Arama Motorarı (Web Search) 
Doğal dilde arama olarak internet arama motorları sayesinde arama yapma işlemidir. Örnek olarak  ,İstanbul 
kayseri arası kaç km’dir? Everest Dağ’ının yüksekliği ne kadardır? Gibi sorulara cevap aranabilmesi. 
 
5.7. Anti-Intelligence (Al) Bots(Siri) 
Konuşularak verilen bir soru üzerine makine tarafından yine konuşarak karşılık verilmesi. İstenilen sorulara 
arama yaparak bularak karşılık vermesi ve günümüz teknolojilerinde sıkça rastlanan akıllı sistemlerde görülen 
durumdur. Bu durumun en bilinen örneği SİRİ uygulamasıdır. 
5.8. Metin Ä°ÅŸleme(Text processing )(Categorization,clustering,IE) 
Bir metin üzerinde yapılan kategorize etme, bölütleme ve kümeleme işlemidir. Bir önceki konu olan text 
mining (Seker, Metin Madenciliği(Text Mining), 2015)konusunda bu konuları daha detaylı görmek mümkündür. 
5.9. Finance,Chat Rooms,Telefon Cevaplama 
Finansal raporlama ,sohbet odaları ve çokça rastlanılan telefon cevaplama sistemleri. Arama sonucunda karşı 
tarafta bir makinenin olması ve sorulan sorulara aldığı cevaplar ile yönlendirme yapması ya da sohbet odalarında 
sohbet diyaloglarına karşılık veren makinelerin bulunması. 
5.10. Bilgi Deposu Olarak Ä°nternet(Internet as a repository) 
İnternet ortamının en büyük bilgi kaynağı ve ulaşılabilirlik açısından en kolay yol olduğu bilinmektedir. 
Düşünün her gün milyonlarca kişi tarafından gerek kendi sitelerinde ,gerek bloglarında gerekse kendi kişisel 
sayfalarında bir şeyler paylaşmaktadırlar. Paylaşılan bu bilgilerin anlaşılıp ,modellenip ve kümelenmesi durumunda 
bütün internet ağı üzerinde yani insanların ürettiği en büyük bilgi kaynağında ,sonuçta insanlık tarihi bir çok bilgi 
kaynağı üretmiştir ,geçmiş zamanlarda ,ansiklopediler ,yazıtlar gibi ve bu kaynakların hemen hemen hepsi internet 
kaynağına çevrilmiştir ,bilgisayarlar tarafından doğal dil işleme yöntemi sayesinde ortaya çıkması diğer insanlarında  
bu bilgiye çok kolay bir şekilde ulaşmaları demektir. 
5.11. Metin Özetleme(Text summarization) 
İnternet üzerindeki bir milyon tane kaynak üzerinden düşünüldüğünde bunlar üzerinden yapılan bir 
sonucunun bu sayfalar üzerinden bulunması ve özetleme yapılmasıdır. 
5.12. Argümanların Birleştirilmesi(Argument aggregation) 
Sosyal ağlar üzerinden yapılan tartışmalar sonucu ortaya çıkan argümanların analiz edilmesi tekrarlı olanların 
ya da boş olanların temizlenmesi ve kalan argümanlardan anlamlı verilerin üretilmesiyle sonucun bir argümanda 
birleştirilmesi gerekmektedir. Bu sayede başlatılan bir tartışmaya daha kolay dahil olunması sağlanır. Daha önce 
hangi argümanlar konuşulmuş neler tartışılmış bunların bilinmesi durumudur. 
Güzel bir örnek olarak, sosyal medya da sıkça görülen bir örneği paylaşmakta yarar var. 
“A ,B’yi beğendiyse ama C’yi beğenmediyse, C ise D ve E’yi beğendiyse ve hem D hem de E ,A’yı beğendiyse 
ama A’nın D’nin varlığından  haberi bile yoksa, E’nin, C’nin D’yi ve E’yi beğendiğini bilebilmesi için F, G’nin B 
ile konuşmasını teşvik etmeli mi ki bu sayede C , H’nin çevresini biraz da olsa etkileyebilsin.” 
Bu sorunun size sosyal medya da sorulduğunu düşünün ve bunu bilgisayar tarafından sorulması durumunda 
cevap çıkmasının aranması durumu ortaya çıkacaktır. 
 
Author name / Procedia - Social and Behavioral Sciences 00 (2015) 000–000 
19 
6. Metin MadenciliÄŸi 
 
 
Yukarıdaki şekilde, Eski Ahit’ten yani Tevrat olarak bilinen kısımdan çıkarılmıştır. Önce metinde ismi geçen  
kişiler çıkarılmış  ve daha sonra da bu kişiler arasındaki ilişkiler doğrultusunda grafiksel görünümü ortaya çıkmıştır. 
7. Zamansal Mantık  
Bir metindeki zamansal  olarak olayların sıralanması hangi olay hangi olaydan sonra ortaya çıkmaktadır 
bunun incelenmesi ve bunu görsel olarak ortaya konulması işlemidir. Bir roman düşünüldiğinde bu romandaki tüm 
olayların bir zaman göre sıralanması ,hangi olayın hangi olaydan sonra geldiği konular birbirleriyle ilişkilendirilir. 
Bir örnek üzerinde anlatılması gerekirse, 
       “ Ali odaya girdikten sonra masadaki elmayı yedi.” 
Bu cümle incelendiğinde;  
 
  
 
 
 
  
 
 
 
şeklinde bir tablo ortaya çıkmıştır.Bu tablo üzerinde
 
Bir morfoloji(morphology) örneği verilmesi gerekirse, 
 
    * uygarlaştıramayabileceklerimizdenmişsinizcesine 
 
      uygar/civilized las/BECOME tir/CAUS ama/NEG yabil/POT ecek/FUT ler/3PL imiz/POSS-1SG 
    Åžekil 1-Metin MadenciliÄŸi Grafik-1 
               Şekil 2-Zamansal Mantık 
 
Author name / Procedia - Social and Behavioral Sciences 00 (2015) 000–000 
20 
den/ABL mis/NARR siniz/2PL cesine/AS-IF 
 
       Bu kelime üzerinden analiz yapıldığında ilk önce kelimenin kökü olan ‘uygar’ kelimesi bulunup daha 
sonra bu kelimeye gelen eklerin çeşitleriyle ayrıldığı görülmektedir. 
8. Parçalama( Parsing) 
   Aşağıdaki örnek üzerinden cümlenin parçalanma durumu incelenecektir. 
 
The student put the book on the table.(öğrenci kitabı masanın üzerine bıraktı) 
-S(sentence-cümle)à ilk adım bu bir cümledir. 
-NP(Noun phrase-Kelime grubu)  
  VP(Verb phrase-Fiil grubu)à kelime gruplarının ayrılması 
-D ve N( article(belirli bir nesne) ve noun(isim))àkelime grubundaki ifadenin ayrıştırılması 
-V-Np-D-N-PP-P-Np-D-N-Son durumun anlaşılması 
         Buradan da görüldüğü gibi bir parçalama ağacı oluşturuluyor ve bu ağaç üzerinden cümlenin anlamı 
çıkarılmaya çalışılıyor. 
9. Mantık 
Mantıksal bir şekilde gösterilmesi de söz konusudur. 
       Nothing comes from nothing. Cümlesi düşünüldüğünde ” hiçbir şeyden  hiçbir şey çıkmaz” anlamı 
çıkarılmaktadır. Cümle incelendiğinde ilk önce var olmayan bir durumdan(non-existence),var olan(existence) bir 
duruma dönüştüğü düşünülmektedir (Seker, Temporal logic extension for self referring, non-existence, multiple 
recurrence and anterior past events, 2015) . 
 
10. Argüman Ağları 
      Şekil 3-Parçalama İşlemi 
Şekil 4- Zamansal mantık gösterimi 
 
Author name / Procedia - Social and Behavioral Sciences 00 (2015) 000–000 
21 
     Bir tartışmada karşı argümanlarını bulunma ve bu şekilde dallanmaların olma durumdur. 
 
Yukarıdaki tablo Irak’ta bulunan nükleer silahın durdurulması argümanıdır. Burada Amerika’nın bu duruma 
müdahale etmesi gerekmektedir bu sebeple ortaya argümanlar oluşmaktadır. Çünkü Amerika’nın bu hareketini 
onaylamayanlar da bulunmaktadır. 
11. Argüman Birleştirme(Argument Aggregation) 
 
Sosyal ağ üzerinde tartışan kişiler tarafından gelen argümanlar üzerinden oluşturulan Delphi programıyla 
oluşturulan bir haritadır (SEKER, Computerized Argument Delphi Technique, 2015). Sosyal medyadaki argümanlar 
ortaya çıkarılıp ilk önce doğal dil işlemeden geçerek  ,bunlar arasındaki ilişkiler belirlenerek ortaya çıkmaktadır.  
 
Referanslar 
Brualdi, R. A. (1992). Introductory combinatorics. 
EryiÄŸit, G. J. (2008). Dependency parsing of Turkish.Computational Linguistics 34.3. 357-389. 
Gray, J. e. ((1997)). Data cube: A relational aggregation operator generalizing group-by, cross-tab, and sub-totals. 
Haber, H. (2015, Nisan 25). Hürriyet Haber. From hurriyet.com: http://www.hurriyet.com.tr/elektrik-arizasi-cebe-
girdi-28807674 
Oflazer, K. ((1996) ). Error-tolerant finite-state recognition with applications to morphological analysis and spelling 
correction."Computational Linguistics 22.1. 73-89. 
Plattner, H. (2009). A common database approach for OLTP and OLAP using an in-memory column database. 
Proceedings of the 2009 ACM SIGMOD International Conference on Management of data. ACM . 
Preece, J. e. (1994.). Human-computer interaction. 
 Şekil 5 Irak Savaşının Argüman Ağı. 
Şekil 6- Argüman Birleştirme 
 
Author name / Procedia - Social and Behavioral Sciences 00 (2015) 000–000 
22 
SEKER, S. E. (2015). Computerized Argument Delphi Technique. IEEE Access ,v.  3, 368 - 380. 
Seker, S. E. (2015). Metin MadenciliÄŸi(Text Mining), YBS Ansiklopedi v. 2, is. 3, pp. 30-32. 
SEKER, S. E. (2015,). Veri Ambarları, YBS Ansiklopedi, v. 2, is. 4, pp. 6 - 13. 
Van der Sandt, R. (1992). Presupposition projection as anaphora resolution. . Journal of semantics , 333-377.