Metin madenciliği, doğal dil metninde yer alan yapılandırılmamış (metin) verilerin çeşitli yöntem, araç ve tekniklerin kullanılarak analiz edilmesidir. Bugün, kurum ve kuruluşların çoğu, veri ambarlarında ve bulut platformlarında büyük miktarda veri toplamakta ve depolamaktadır. Bu veriler, birden fazla kaynaktan gelen yeni verilerin gelmesiyle birlikte, üssel olarak artmaya devam etmektedir. Şirketlerin ve kuruluşların geleneksel araçlarla büyük miktardaki metin verilerini depolaması, işlemesi ve analiz etmesi zordur. Bugün, gelişen Tableau gibi yazılımlar sayesinde bu problemler ortadan kalkmıştır. Bu çalışmanın amacı; metin madenciliği yöntemi ile Shakespeare eserlerindeki kahramanları ve olay örgülerini istatistiksel olarak saptamak ve edebiyat alanında çalışanlara bazı öngörüler sağlamaktır. Bu amaçla çalışmada, Tableau yazılımı kullanılarak Google BigQuery'nin alt yapısında bulunan Shakespeare veri setine kelime frekansları, görselleştirme ve kümeleme analiz yöntemi uygulanmıştır. Kümeleme analizi sonucunda "Hamlet" kelimesinin tüm eserlerin merkezinde yer aldığı ve Hamlet'in Shakespeare'in en önemli eseri olduğu bulunmuştur. Ayrıca, "Romeo ve Juliet" eserinde sırasıyla; "Romeo", "Juliet" ve "Love" en çok kullanılan kelimeler olarak bulunmuştur. Elde edilen bu bulgulardan eserin ana karakterlerinin "Romeo" ve "Juliet", konusunun ise "aşk" olduğu sonucuna varılmıştır.

No abstract

This article reviews Artificial Intelligence (AI)’s challenges and opportunities and discusses where AI might be headed. In the first part of the article, it was tried to reveal the differences between Symbolic AI and Deep Learning approaches, then long promises but short deliveries of AI were mentioned. When we review the problems of AI in general terms, it is a problem that the media has high expectations about AI and keeps the problems and restrictions it creates low. Today, while AI is stuck with issues such as deepfake applications and carbon footprints that create moral and climatologic problems; on the other hand, it is struggling with problems such as deep learning models requiring huge amounts of data. Another problem with deep learning is that deep learning models are a black-box and not open to improvements because it is not known where mistakes were made. Among the new paths ahead of AI are Hierarchical Temporal Memory (HTM) models and hybrid models that generally try to bridge the gap between Symbolic AI and Connectionist AI. If we consider that the most important leaps in AI have been made with the features of the brain that AI can imitate, then the developed HTM models may also be a new opportunity for AI.

Sadullah ÇELİK* ÖZ Günümüzde, toplumsal huzursuzluklar (protestolar, grevler, çatışmalar ve işgal olayları) birçok ülkenin sınırlarının ve siyasal yapılarının şekillenmesinde ve değişmesinde etkin bir rol almaktadır. Gerek demokrasilerde ve gerek otoriter rejimlerde toplumsal huzursuzlukların proaktif olarak ele alınması hükümet ve politika yapıcılar için büyük öneme sahiptir. Bugün geliştirilen GDELT projesi sayesinde artık toplumsal olaylar gerçek zamanlı izlenebilmekte ve bu sayede ülkelerin gelecekte yaşaması muhtemel süreçler tahmin edilebilmektedir. Bu çalışmada, ülkelerin istikrarsızlıkları ile ilgili huzursuzluk olaylarını tespit etmek için hesaplamalı bir yaklaşım kullanılmıştır. Bunun için tarihteki belli bir zaman aralığın da (30 günlük bir pencerede) benzer kalıpları (desenleri) tespit etmek için Google BigQuery'nin Pearson korelasyon özelliği kullanılmıştır. Çalışmada, Tunus'un 25 Temmuz 2013 sorasındaki 30 günlük süreçte yaşananlar, GDELT'ten elde edilen çeşitli olay verileri kullanılarak tahmin edilmiştir. Tunus'ta gerçekte yaşananlar tahmin sonuçları ile karşılaştırıldığında r=0.725 gibi yüksek bir korelasyon katsayısı bulunmuştur. Elde edilen bu korelasyon katsayısı Tunus için yapılan tahminlerin doğruluğunun güvenilir olduğunu göstermektedir.

Son yıllarda bilişim ve bulut teknolojilerinde yaşanan gelişmeler sosyal ağ analizinin bilimsel çalışmalarda daha fazla kullanılmasını sağlamıştır. Sosyal ağ analizi ile ilgili yapılan çalışmalarda gerçek ağların geleneksel ağ teorisinin varsayımlarından oldukça farklı davrandıkları sonucuna varılmıştır. Geleneksel olarak, gerçek ağların, ortalama olarak yaklaşık aynı sayıda bağlantıya sahip düğümlerin çoğunluğuna sahip olması gerekmektedir. Fakat modern ağ çalışmaları, gerçek ağ düğümlerinin çoğunun çok az sayıda olduğunu ve tersine, çok fazla sayıda bağlantı içeren bazı düğümler olabileceğini göstermektedir. Bu tür kuvvet yasası (ölçeğe bağlı olmayan), biyolojik ağlardan sosyal ağlara kadar birçok gerçek ağda bulunabilmektedir. Bu çalışmanın amacı, dünyadaki çatışmaların sosyal ağ analizi yöntemi ile incelenmesidir. Çalışmada 1979-2018 yılları arasında GDELT veri setinden elde edilen çatışma verileri R yazılımının "igraph" paketi kullanılarak analiz edilmiştir. Yapılan analizler sonucunda dünyadaki çatışmalarda en büyük iki aktörün sırasıyla ABD ve Rusya'nın olduğu sonucuna varılmıştır. Elde edilen bu sonuçlardan dünyada yaşanan çatışmaların neredeyse tümünün bu iki ülke ile ilişkili olduğu söylenebilir. Yine bugün dünyada ülke rejimlerinin ve sınırlarının değişmesinde bu iki aktörün büyük etkisi vardır. Ayrıca analizler sonucunda elde edilen ağın yapısında az sayıda ülkenin çok sayıda bağlantıya, çok sayıda ülkenin de az sayıda bağlantıya sahip olduğu bulunmuştur. Elde edilen bu sonuçlar, ağın yapısının ölçekten bağımsız olduğunu göstermektedir.