Abstract
Yapay zekânın bir kolu olan doğal dil işleme, metin verilerinin üretilmesine, sınıflandırılmasına ve işlenmesine imkân verir. Doğal dil işleme alanlarından metin sınıflandırma, metinlerden anlamlı bilgiler çıkarılmasında önemli bir yere sahiptir. Bu çalışmada literatürde farklı diller için başarılı sınıflandırma performansı gösteren derin öğrenme modelleri kullanılarak Türkçe haber metinleri üzerinde sınıflandırma işlemi gerçekleştirilmiş ve elde edilen sonuçlar karşılaştırılmıştır. Kullanılan veri seti yaklaşık 25 bin Türkçe haber metninden oluşmaktadır. Veri setinde bulunan metinler farklı derin öğrenme mimarileri ve transformer modeller ile önceden belirlenmiş haber kategorilerine göre sınıflandırılmışlardır. Çalışma sonucunda, BERT mimarisi ile %92,40 doğruluk oranı ile en yüksek performansı sergilediği, hiyerarşik LSTM üzerine dikkat mekanizması eklenerek geliştirilen H-LSTM-ATT modelinin %91,52 doğruluk ile dikkat çekici bir başarı sağladığı, en düşük doğruluk oranının ise derin 2D CNN modelinde (%89,35) elde edildiği görülmüştür. Özellikle transformer modellerinin ve dikkat mekanizması eklenmiş hibrit derin öğrenme mimarilerinin Türkçe metin sınıflandırma görevlerinde diğer modellere kıyasla daha başarılı olduğu sonucuna varılmıştır.