Bölüm 03 · Sürüm 1.0

Bağlam

Bir sözcüğün çevresi yalnız sağında ve solunda duran birkaç sözcükten ibaret değildir. Türkçede kişi eki düşürülen özneyi, durum eki katılımcı rolünü, iyelik eki gönderim zincirini, bağlayıcı iki önerme arasındaki ilişkiyi ve önceki cümle yeni cümlenin yorum alanını belirleyebilir. Bu bölüm bağlamı tek bir pencere veya tek bir model puanı olarak değil, ekten bütün metne uzanan, çelişkileri saklayan ve insan denetimine açık çok katmanlı bir kanıt mimarisi olarak çözümler.

31.07.2026 10:25 TSİ İnsan denetimli tanıklar Canlı derlem penceresi

Açıklama sözcüğü: 7.472
Hesaplamalı model: 8
Nötr tanık: 12
Grafik ve şema: 7
Soru ve yanıt: 14
Doğrulanmış kaynak: 14

Bağımsız üretim kanıtı

Bölüm özgünlük skoru

81.2/100

Yüksek

Cümle tekilliği: 100.0/100
Bölümler arası uzaklık: 65.5/100
Yapısal tekillik: 63.6/100
Üretim izi bütünlüğü: 80.0/100

Bu skor nasıl hesaplandı?

Puan; bölümün sistem içi üretim ve sürüm izini, diğer dil bilgisi bölümlerinden metinsel uzaklığını, bölüm içi cümle tekilliğini ve anlatım yapısının çeşitliliğini birleştirir. Canlı derlem tanıkları ölçüme katılmaz. Evrensel intihal kanıtı değildir.

Toplam skor, her bölümün editoryal sözcük sayısıyla ağırlıklandırılır.

En yakın başka dil bilgisi bölümünden metinsel uzaklık %66.
254 editoryal cümlenin 254 tanesi yalnız bu bölümde yer alıyor.
Canlı derlem tanıkları, sayaçlar, kaynak metinleri ve URL'ler özgünlük metin karmasına katılmadı.
Yayımlanan metnin SHA-256 üretim izi 351188f97e0e… olarak kaydedildi.
Kavramsal dayanakların tamamı doğrulanmış kaynak kaydına bağlıdır.
Türkiye saatli editoryal güncelleme kaydı doğrulandı.
İçerik sürümü 1.0 üretim kaydında yer alıyor.

gts-grammar-originality-v1.0-20260731

Canlı görünüm

Türkçenin güncel bağlam nabzı

En yeni 100.000 cümlelik hareketli pencere derlemden okunuyor.

Gösterge oranları keşif ölçüsüdür; tek başına kesin söylem ilişkisi veya dil değişimi kanıtı değildir.

Toplam cümle: 111.660.789
Toplam sözcük: 928.901.250
Canlı pencere: 100.000
Bağlam direnci: Hesaplanıyor

Türkçeye özgü başlangıç

Bağlam, yorumun sınandığı çok katmanlı karar ortamıdır

Bölüm, güncel yazılı Türkçe derlemindeki bağlam örüntülerini hesaplar; bütün konuşma dili, bütün tarihsel dönemler veya insan zihnindeki bağlam bilgisi hakkında sınırsız temsil iddiasında bulunmaz. Canlı ölçümler veri akışına duyarlı keşif sonuçları, yayımlanan cümleler ise belirli çözümlemeleri göstermek üzere insan denetiminden geçmiş tanıklardır.

EkKişi, durum, iyelik, kip

SözcükLema ve yakın komşuluk

ÖbekDeğerlik ve kalıplaşma

CümleKapsam, odak ve bağıntı

SöylemGönderim ve ilişki

KaynakTür, alan ve yayılım

Bağlam dil bilgisinin çevresi değil, karar ortamıdır

Bağlam, bir sözcüğün çevresine sonradan eklenen açıklayıcı bir not değildir; biçim, söz dizimi, anlam ve söylem düzeylerinde açık kalan seçeneklerin birbirini sınadığı karar ortamıdır. Türkçede aynı yüzey biçimi birden çok lemaya, sözcük türüne veya işleve açılabilir; ayrıca özne ve tamlayan gibi ögeler eklerde işaretlendiği için cümlede ayrı bir sözcük olarak görünmeyebilir. Bu nedenle yalnız sözlük maddesine ya da yan yana duran iki sözcüğe bakan çözümleme, dil bilgisel yapının taşıdığı bilginin önemli bir bölümünü kaybeder. Bölüm, bağlamı önce bir kanıt düzeni olarak tanımlar ve hangi uzaklıktaki kanıtın hangi soruya cevap verebildiğini ayrı ayrı gösterir.

Bir cümledeki seçimler yalnız yakın komşulukla açıklanamaz. Durum eki eylemin değerlik çerçevesini, kişi eki düşürülen özneyi, iyelik eki gönderim zincirini, bağlaç iki önerme arasındaki ilişkiyi ve önceki cümlede kurulmuş konu yeni cümlenin yorum sınırını belirleyebilir. Bağlam çözümlemesi bu katmanları tek bir büyük vektörde eritmek yerine, her kanıtın kaynağını ve güven düzeyini korur. Böylece sistem bir sonucu yalnız yüksek olasılıklı olduğu için doğru saymaz; biçimbilgisel uygunluk, cümle içi bağıntı, söylem sürekliliği, kaynak yayılımı ve insan denetimi aynı karara hangi ölçüde katkı verdiği görülebilecek biçimde raporlanır.

[goksel-kerslake-2025][kornfilt-1997][zeyrek-etal-2013]

Ekten metne uzanan çok ölçekli bağlam

Türkçe için bağlam tek bir pencere genişliğiyle temsil edilemez. Ek çevresi, ses uyumu ve morfotaktik sırayı; sözcük çevresi kalıplaşmış birliktelikleri; öbek çevresi tamlama ve değerlik ilişkilerini; cümle çevresi kip, olumsuzluk, odak ve bağımlılığı; söylem çevresi ise gönderim, karşıtlık, neden ve sonuç gibi ilişkileri açığa çıkarır. Kaynak türü ve metnin iletişim amacı daha dış bir katmanda hangi kullanımın olağan sayılacağını değiştirir. Hesaplamalı model bu ölçekleri birbirinin rakibi gibi değil, farklı hata türlerini denetleyen tamamlayıcı mercekler gibi kullanır.

Çok ölçekli yaklaşımın temel yararı, uzak bağlamın yakın dil bilgisel kanıtı ezmesini önlemesidir. Örneğin bir eylemin aldığı durum eki doğrudan cümle içindeki katılımcı rolünü gösterirken, metnin konusu yalnız bu rolün hangi anlam alanında yorumlanacağını daraltabilir. Benzer biçimde, yakın komşuluk güçlü bir öbek adayı üretebilir; fakat öbeğin farklı kaynaklarda ve farklı çekimli biçimlerde sürmesi sözlükbirimleşme için daha geniş bağlam kanıtı gerektirir. Bölümde her sonuç, hangi ölçeklerden geldiğini belirten bir bağlam iziyle sunulur; çözümleme hatasında geri dönülebilecek kanıt basamağı böylece kaybolmaz.

[mcenery-hardie-2012][church-hanks-1990][goksel-kerslake-2025]

Türkçenin eklemeli yapısı bağlamı sözcüğün içine taşır

Türkçede kişi, sayı, durum, iyelik, kip ve görünüş bilgilerinin büyük bölümü sözcük üzerinde işaretlenir. Bu özellik, bağlamın yalnız sözcükler arasındaki boşluklarda aranamayacağını gösterir. “Geldim” biçiminde ayrı bir “ben” bulunmasa da birinci tekil kişi bilgisi yüklemdedir; “kapısından” biçiminde üçüncü kişi iyeliği ile zamir n’si ve ayrılma durumu farklı ilişkileri taşır. Bir çözümleyici bu parçaları kör biçimde tek ek sayarsa hem gönderim zincirini hem de değerlik bilgisini bozar. Dolayısıyla bağlam modeli, doğru lema ve doğru ek sınırı üzerinde kurulmalı; köke ulaşma uğruna dil bilgisel bilgi silinmemelidir.

Serbest sözcük dizilişi de bağlam kanıtlarının ağırlığını değiştirir. Türkçede ögelerin yüzey sırası bilgi yapısı, odak ve söylem sürekliliğine göre değişebilir; yalnız konumdan hareketle özne, nesne veya konu kararı vermek güvenilir değildir. Durum ekleri, eylemin değerlik örüntüsü, yüklem uyumu ve önceki cümlede etkinleştirilmiş gönderimler birlikte değerlendirilir. Bu nedenle bölüm, İngilizce için geliştirilmiş sabit sıra varsayımlarını Türkçeye taşımak yerine Türkçenin ek, uyum, düşürme ve söylem özelliklerinden başlayan bir bağlam mimarisi kurar.

[goksel-kerslake-2025][kornfilt-1997][pamay-eryigit-2023]

Hareketli pencere

Canlı akıştan bağlam dinamikleri

Toplam sayaçlar bütün derlemi, işlev oranları ise en yeni 100.000 cümleyi kapsar. Akış sırası yayın tarihi değildir.

Seçili bağlam işlevleri

Bir cümle birden çok işlevde yer alabilir.

Cümle uzunluğu görünümü

Kısa ve uzun bağlamların hareketli penceredeki payı.

Ortalama: –
Ortanca: –
Kısa cümle: –
Uzun cümle: –

Kaynak bileşimi ve bağlam çeşitliliği

Cümle ve sözcük payları ayrı gösterilir; çeşitlilik tek başına temsil dengesi değildir.

Canlı bağlam penceresi neyi ölçüyor?

Canlı kartlar iki farklı ölçeği bilerek ayırır. Toplam cümle ve sözcük sayaçları derlemin tamamını kapsar; bağlam işlevleri ise en yeni 100.000 cümlelik hareketli pencere üzerinde ölçülür. Bu pencere, veri akışındaki güncel kaynak bileşimini ve cümle özelliklerini görünür kılar. Nedensellik, karşıtlık, gönderim, kiplik, örnekleme, karşılaştırma ve koşulluluk için önceden açıklanmış gösterge kümeleri kullanılır. Bir göstergenin cümlede bulunması kesin söylem etiketi sayılmaz; ölçüm, insan incelemesine gidecek örüntüleri ve akıştaki değişimi bulmak için kullanılan bir keşif göstergesidir.

Hareketli pencere dört eşit akış dilimine bölünür. Her dilimde işlev oranları yeniden hesaplanır ve değişkenlik, Bağlam Direnç İndeksi adı verilen açıklanabilir bir kararlılık puanına dönüştürülür. Buradaki sıra, metnin yayımlanma tarihi değil derleme eklenme sırasıdır; bu nedenle sonuç dil değişiminin takvimsel kanıtı olarak kullanılamaz. Buna karşılık crawler, kitap, makale ve tez akışlarının bileşimi değiştiğinde ölçümlerin ne kadar oynadığını gösterir. Bu ayrım, güncel görünüm ile artzamanlı değişim iddiasının birbirine karıştırılmasını önler.

Bağlayıcıdan söylem ilişkisine geçiş

“Çünkü”, “ancak”, “oysa”, “rağmen” ve “ise” gibi göstergeler cümleler veya önermeler arasında belirli ilişkilere adaylık taşır; fakat yüzeyde aynı biçimin bulunması ilişkinin sınırlarını ve anlamını tek başına belirlemez. “Ancak” sınırlama, karşıtlık veya zamanla ilgili kullanım gösterebilir; “yalnız” yalnızlık niteliğini, kısıtlamayı ya da söylem dönüşünü taşıyabilir. Sistem önce göstergenin yakın örüntülerini, ardından bağlı olduğu önerme alanlarını ve noktalama sınırlarını inceler. Açık bağlayıcı bulunmayan ilişkilerde ise anlam benzerliği, gönderim sürekliliği ve olay dizisi yalnız aday üretir; kesin etiket otomatik verilmez.

Türkçe söylem çözümlemesinde eylemsi ekleri ve ulaç yapıları özel önem taşır. Avrupa dillerinde ayrı bir bağlaçla ifade edilen bazı bağımlılık ilişkileri Türkçede ekli bir eylem biçimiyle kurulabilir. Bu nedenle yalnız bağımsız bağlaç listesine dayanan sistem, cümle içi neden, zaman, koşul ve ödünleme ilişkilerinin bir bölümünü kaçırır. Bölüm, açık sözcüksel göstergeleri biçimbilgisel bağlayıcılarla aynı kanıt grafında birleştirir; ancak ek biçiminin her geçişini aynı söylem anlamına eşitlemez ve eylemin söz dizimsel çevresini denetler.

Gönderim, eksiltme ve düşürülen ögeler

“Bu”, “şu”, “o” ve “kendi” gibi biçimler bir gönderim adayını görünür kılar; fakat hangi varlığa döndükleri yalnız en yakın ada bakılarak belirlenemez. Uyum özellikleri, durum ve iyelik ekleri, canlılık, söylemdeki konu sürekliliği ve eylemin katılımcı beklentisi birlikte değerlendirilir. Türkçede özne adılı çoğu zaman söylenmediği için kişi eki de gönderim zincirinin bir parçasıdır. Benzer biçimde, iyelik eki açık tamlayanın bulunmadığı durumda önceki söylemdeki sahibi etkinleştirebilir. Bu nedenle gönderim çözümlemesi biçimbilgisel çözümlemeden sonra gelen bağımsız bir aşama değil, onunla çift yönlü çalışan bir süreçtir.

Canlı sayfadaki gönderim oranı, seçili açık göstergelerden en az birini içeren cümlelerin payını verir; gerçek gönderim zinciri sayısını vermez. Açık adıl bulunmayan cümleler kişi ve iyelik ekleriyle güçlü bağ kurabilir, açık “o” biçimi ise sayı veya işaret işlevi taşıyabilir. Yenilikçi morfobağlamsal imza bu nedenle yüzey biçimini, lema adayını, ek dizisini, olası söylem öncülünü ve güven puanını aynı kayıtta korur. İnsan incelemesi, modelin öne çıkardığı öncülün metnin bütünüyle tutarlı olup olmadığını denetler.

Belirsizlik hata değil, ölçülebilir bir seçenek uzayıdır

Eşyazımlı biçimler, çok anlamlı sözlükbirimler, adlaşmış eylemsiler ve tür değiştiren yapılar bağlamsız çözümlemede birden çok aday üretir. Sistem bu adayları erken aşamada tek seçeneğe indirmek yerine olasılıkları korur. “Yüz” çevresindeki sayı adları, “yüz yüze” kalıbı veya yüz organıyla ilgili niteleyiciler farklı kümeler oluşturabilir; “yalnız kalmak” ile cümle başındaki “yalnız bu” aynı yerel dağılımı göstermez. Canlı örüntü grafı, seçili düğüm sözcüklerin en güçlü ikili ve üçlü lema dizilerini ve bu dizilerin yoğunlaşma derecesini gösterir.

Yerel örüntü entropisi yüksek olduğunda sözcük birçok farklı çevreye dağılmıştır; düşük olduğunda birkaç kalıp baskındır. Bu sayı doğrudan anlam sayısı değildir. Özel ad, konu yığılması, lematizasyon hatası veya yinelenen metin de dağılımı değiştirebilir. Bağlamsal Ayrıştırma Kazancı ancak insan denetimli anlam veya çözümleme sınıfları bulunduğunda, bağlam eklendikçe belirsizliğin ne kadar azaldığını ölçer. Etiketsiz canlı veride ise sistem daha ihtiyatlı bir ad kullanır ve yalnız örüntü yoğunlaşmasını raporlar.

İstatistiksel temsil

Yapay zekâ bağlamı nasıl öğreniyor?

Bir dil modeli bağlamı insan gibi yaşamaz; metinsel düzenliliklerden bağlama duyarlı temsiller ve olasılıklar öğrenir.

Metin Cümleler ve metin parçaları

Token dizisi Sözcük veya alt sözcük birimleri

Gömme ve konum Sayısal başlangıç temsili

Öz dikkat Dizideki birimlerden seçici bilgi

Katmanlı temsil Bağlama göre değişen gösterim

Olasılık Sonraki veya maskelenmiş token kestirimi

İnsan kapısı Karşı örnek ve dil bilgisel denetim

Öz dikkat ne yapar?

Her token için sorgu, anahtar ve değer vektörleri üretilir. Benzerlikten elde edilen ağırlıklar, başka tokenlerden hangi bilginin ne ölçüde taşınacağını belirler.

\operatorname{Attention}(Q,K,V)=\operatorname{softmax}\!\left(\frac{QK^{\mathsf T}}{\sqrt{d_k}}\right)V Attention(Q,K,V) = softmax(QKᵀ / √d_k)V

Bağlam nasıl öğrenilir?

Kestirim yanlışı geriye yayılarak ağırlıkları değiştirir. Çok sayıda örnekte aynı ayrımı yararlı biçimde yapan çevreler, sonraki katmanlarda bağlamsal temsile dönüşür.

\mathcal L=-\sum_i\log P\!\left(t_i\mid C_i\right) L = −Σ log P(t_i | C_i)

Neden insan denetimi gerekir?

Dikkat ağırlığı nedensel açıklama değildir; model konu sözcüğünü, kaynak şablonunu veya OCR hatasını da öğrenebilir. Türkçeye uygun karşı-olgusal test ve insan tanığı bu nedenle son kapıdır.

\Delta P=\left|P(a\mid C)-P\!\left(a\mid C\setminus c_i\right)\right| ΔP = |P(a|C) − P(a|C\c_i)|

Yapay zekâ bağlamı nasıl öğrenir?

Bir dil modeli metni token dizilerine ayırır ve eğitim sırasında çevresindeki tokenlerden bir hedef tokeni ya da sonraki tokeni kestirmeyi öğrenir. Aynı token farklı cümlelerde farklı komşuluklarla karşılaştıkça modelin iç temsili yalnız sözlükteki sabit biçime değil, o kullanımın çevresine göre değişir. Transformer mimarisinde öz dikkat, her token için diğer tokenlerden gelen bilgiyi ağırlıklı olarak birleştirir; katmanlar ilerledikçe yerel biçim, söz dizimsel bağıntı, gönderim adayı ve daha geniş anlamsal örüntüler farklı oranlarda temsile katılabilir. Eğitim, bu ilişkileri önceden yazılmış dil bilgisi kurallarından değil, kestirim hatasını azaltan çok sayıdaki örnekten edinir.

Bu süreç insanın dünyayı deneyimleyerek anlamasıyla özdeş değildir. Model, metin içinde düzenli biçimde birlikte görünen işaretlerden güçlü istatistiksel beklentiler kurar; dikkat ağırlığı veya yüksek olasılık tek başına bilinçli kavrayışın kanıtı sayılamaz. Bağlam dışı bilgi, eğitim verisindeki eksiklik, token sınırlarının Türkçe ekleri parçalama biçimi ve sınırlı bağlam penceresi yanlış sonuç üretebilir. Bölüm, “anlama” sözcüğünü bu ayrımı gizleyecek biçimde kullanmaz; modelin bağlama duyarlı temsil ve kestirim kurduğunu, bu temsilin insan denetimiyle sınanması gerektiğini açıkça belirtir.

Token, bağlam penceresi ve dikkat arasındaki ilişki

Token, modelin işlem yaptığı metin parçasıdır; her zaman bir sözcük veya biçimbirim değildir. Türkçe bir çekimli sözcük tek token olarak kalabilir, birkaç alt parçaya ayrılabilir veya sık kullanılan bir ek başka sözcüklerde farklı sınırlardan bölünebilir. Bu nedenle token sayısı ile dil bilgisel birim sayısı aynı kabul edilmez. Bağlam penceresi, modelin tek hesaplama sırasında görebildiği token aralığını belirler. Pencere büyüdükçe uzak öncüller ve söylem ilişkileri erişilebilir hâle gelir; ancak daha çok token, doğru bilginin otomatik olarak seçileceği anlamına gelmez.

Öz dikkat hesabı, bir tokenin sorgu gösterimi ile diğer tokenlerin anahtar gösterimleri arasındaki uyumu ölçer ve değer gösterimlerini bu ağırlıklarla birleştirir. Birden çok dikkat başlığı farklı konum veya ilişki örüntülerine yönelebilir. Buna karşın dikkat ağırlığı eksiksiz bir açıklama değildir; yüksek ağırlık nedensellik, gönderim veya dil bilgisel kuralın kendisi olarak yorumlanamaz. Güvenilir çözümleme için dikkat örüntüsü; karşı-olgusal silme, insan işaretlemesi, biçimbilgisel uygunluk ve hata çözümlemesiyle birlikte incelenir.

Türkçede bağlamsal modelleme için biçimbilgisel hizalama

Türkçenin üretken eklemeli yapısı, tek bir lemanın çok sayıda çekimli ve türemiş yüzeyde görünmesine yol açar. Alt sözcük tokenlemesi seyrek biçimleri işlenebilir parçalara ayırsa da bu parçalar her zaman doğru ek sınırlarıyla örtüşmez. Yanlış sınır, kişi, durum veya kip bilgisinin farklı tokenlere dağılmasına ve modelin aynı dil bilgisel işlev için gereksiz yere çok örüntü öğrenmesine neden olabilir. Bu bölüm, token dizisini son çözümleme olarak kabul etmez; tokenler doğru lema, sonlu durumlu biçimbilgisel adaylar ve morfotaktik denetimle hizalanır.

Biçimbilgisel hizalama bağlamı daraltmaz, tersine daha güvenilir kılar. Model “kapısından” biçiminin sahibini ve çıkış ilişkisini yalnız karakter benzerliğinden öğrenmeye zorlanmaz; kapı sözlükbirimi, üçüncü kişi iyeliği, zamir n’si ve ayrılma durumu ayrı özellikler olarak sunulabilir. Bununla birlikte insan yapımı çözümleme de hatasız değildir. Sistem sinirsel temsil ile sonlu durumlu çözümleyiciyi karşılıklı denetler; uyuşmazlıkları otomatik doğruya çevirmek yerine etkin öğrenme kuyruğuna taşır.

Açıklanabilir çözümleme

Türkçe için geliştirilen yeni bağlam modelleri

Modeller otomatik hüküm üretmez; çelişen kanıtı saklar, güveni kalibre eder ve gerekli durumda insan incelemesi ister.

01Etkin ve açıklanabilir

Morfobağlamsal İmza

Bir kullanımın biçimbilgisel yapısını silmeden yakın ve uzak bağlam kanıtlarını tek bir denetlenebilir kayıtta nasıl birleştirebilir; hangi ekin, komşuluğun, söylem ilişkisinin ve kaynak özelliğinin son kararı değiştirdiğini nasıl görünür tutabiliriz?

\operatorname{MBİ}(x)=\langle\mathrm{yüzey},\mathrm{lema},\mathrm{ekler},\mathrm{tür},\mathrm{rol},C_{\mathrm{yakın}},C_{\mathrm{söylem}},\mathrm{kaynak},\mathrm{güven}\rangle MBİ(x) = ⟨yüzey, lema, ekler, tür, rol, C_yakın, C_söylem, kaynak, güven⟩

Yöntem: Her kullanım için yüzey biçimi, lema adayları, doğru ek dizisi, sözcük türü, değerlik rolü, yakın lema örüntüsü, söylem işlevi, kaynak grubu ve güven aralığı ayrı alanlarda tutulur. Alanlar tek puana indirgenmeden önce uyum ve çelişki kurallarıyla karşılaştırılır.

Beklenen sonuç: Türkçede bağlamın bir bölümünün sözcük içindeki eklerde taşındığını korur. Lema doğru görünse bile ek sınırı veya gönderim rolü yanlışsa kayıt çelişki üretir ve otomatik yayın yerine inceleme kuyruğuna yönelir.

Sınır: İmzanın ayrıntılı olması doğruluğu tek başına garanti etmez. Kaynak cümle parçalıysa, OCR bozuksa veya biçimbilgisel çözümleyici yanlış aday üretmişse bütün katmanlar aynı hatalı başlangıçtan etkilenebilir.

BiçimLema ve ek sınırı

CümleTür, değerlik ve bağıntı

SöylemGönderim ve ilişki

KararKalibre güven ve insan kapısı

02İnsan etiketli alt kümede ölçülür

Bağlamsal Ayrıştırma Kazancı

Bir sözcüğün çevresine ek, yakın komşuluk, cümle ve söylem katmanlarından yeni kanıt eklendiğinde lema, anlam veya sözcük türü belirsizliği gerçekten ne kadar azalıyor; görülen düşüş hangi bağlam ölçeğine güvenilebileceğini nasıl gösteriyor?

\operatorname{BAK}_k=H(A)-H\!\left(A\mid C_1,\ldots,C_k\right) BAK_k = H(A) - H(A | C_1, …, C_k)

Yöntem: İnsan denetimli aday sınıflarında önce bağlamsız çözümleme entropisi, sonra ek, yakın sözcük, cümle ve söylem kanıtı sırayla eklendiğinde kalan koşullu entropi hesaplanır. Kazanç her katman için ayrı verilir; hangi bağlam ölçeğinin kararı değiştirdiği görünür kalır.

Beklenen sonuç: Yüksek kazanç, ilgili bağlam katmanının aday uzayını gerçekten daralttığını gösterir. Türkçede kişi ve durum eklerinin yakın sözcük sırasından önce güçlü ayrım sağladığı kullanımlar ile söylem öncülü gerektiren kullanımlar birbirinden ayrılır.

Sınır: Etiketsiz örüntü çeşitliliği anlam sınıfı değildir. Altın standart sınıflar eksik veya dengesizse kazanç yapay biçimde yüksek görünebilir; bu nedenle canlı sayfada yalnız etiketli deney sonuçları kesin ayrıştırma ölçüsü sayılır.

Aday uzayıBağlamsız seçenekler

Ek bağlamıBiçimbilgisel daralma

Cümle bağlamıRol ve tür daralması

Söylem bağlamıAnlam ve gönderim kararı

03Canlı hareketli pencerede etkin

Bağlam Direnç İndeksi

Bir bağlam göstergesinin oranı veri akışının ardışık parçalarında ve değişen kaynak bileşiminde korunuyor mu, yoksa tek bir kitap, tez veya makale yığınının etkisiyle geçici olarak mı yükseliyor; bu oynaklık nasıl açıklanabilir bir direnç puanına dönüşür?

\operatorname{BDİ}(f)=100\left[1-\min\!\left(1,\frac{\sigma(r_f)}{\mu(r_f)}\right)\right] BDİ(f) = 100 × [1 - min(1, σ(r_f) / μ(r_f))]

Yöntem: En yeni 100.000 cümle dört eşit akış dilimine ayrılır. Nedensellik, karşıtlık, gönderim ve kiplik oranlarının değişim katsayısı hesaplanır; düşük değişkenlik yüksek direnç puanı üretir. Kaynak karışımı ayrıca gösterilerek puanın neden değiştiği yorumlanabilir.

Beklenen sonuç: Puan, güncel akışta örüntünün kararlılığını hızlı biçimde görünür kılar. Farklı kaynaklar arka arkaya işlendiğinde hangi işlevlerin sabit kaldığını, hangilerinin kaynak türüne duyarlı olduğunu ayırmaya yardım eder.

Sınır: Derleme eklenme sırası yayın tarihi değildir ve dört dilim tarihsel dönem oluşturmaz. Puan dil değişimini kanıtlamaz; yalnız güncel işlem akışındaki dağılım dayanıklılığını gösterir ve kaynak bileşimiyle birlikte okunmalıdır.

Dil 125.000 cümle

Dil 225.000 cümle

Dil 325.000 cümle

Dil 425.000 cümle

DirençOran değişkenliğinden puan

04Pilot ve insan denetimli

Söylem Hiper-grafı

Bir cümlede birden çok gönderim, olay, katılımcı ve söylem ilişkisi aynı anda kurulurken ikili kenarların ötesine nasıl geçebilir; önceki olay kümesini sonraki sonuç veya değerlendirmeye bağlayan çoklu ilişkiyi kaybetmeden nasıl modelleyebiliriz?

\mathcal H=(V,E,\mathbb H),\qquad \mathbb H_i\subseteq V,\quad |\mathbb H_i|\ge 2 H = (V, E, ℋ); ℋ_i ⊆ V ve |ℋ_i| ≥ 2

Yöntem: Düğümler sözlükbirimleri, olayları ve gönderim varlıklarını; ikili kenarlar yakın bağıntıları; hiper-kenarlar ise aynı önermeyi, neden kümesini veya gönderim zincirini birlikte kuran çoklu birimleri temsil eder. Eklerle işaretlenen düşürülmüş katılımcılar görünmez düğüm olarak değil, yüklem imzasına bağlı açık özellik olarak tutulur.

Beklenen sonuç: Model, “Bu yüzden” gibi bir bağın yalnız iki sözcüğü değil önceki olay kümesiyle sonraki değerlendirmeyi bağladığını gösterebilir. Aynı metindeki çoklu nedenler ve zincirleme göndermeler tek bir yanlış öncüle indirgenmez.

Sınır: Hiper-grafın yoğunluğu yorum doğruluğu değildir. Cümle sınırı hataları ve yanlış gönderim adayları çok sayıda sahte kenar üretebilir; yayımlanan hiper-kenarlar karşı örnek ve insan incelemesi olmadan kesin sayılmaz.

VarlıklarGönderim düğümleri

OlaylarYüklem ve katılımcılar

İlişkilerNeden, karşıtlık ve koşul

Hiper-kenarÇoklu söylem bağı

05Deneysel geometrik çözümleme

Bağlam Yörüngesi Eğriliği

Aynı sözlükbirimin farklı cümlelerdeki bağlamsal temsilleri anlam kümeleri arasında nasıl hareket ediyor; konu ve kaynak etkisini anlam değişmesinden ayırarak keskin geçiş noktalarıyla yumuşak anlam genişlemelerini hangi geometrik kanıtlarla belirleyebiliriz?

\kappa_i=\frac{\left\|v_{i+1}-2v_i+v_{i-1}\right\|}{\left(\left\|v_i-v_{i-1}\right\|+\varepsilon\right)^2} κ_i = ||v_{i+1} - 2v_i + v_{i-1}|| / (||v_i-v_{i-1}|| + ε)²

Yöntem: Aynı lemanın insan denetimli kullanımları bağlamsal gömme uzayına yerleştirilir. Komşuluk grafı üzerinde yerel yön değişimi, yoğunluk ve kaynak yayılımı ölçülür. Keskin yön değişimi yeni anlam adayı üretir; süreklilik gösteren yumuşak geçiş ise yakın anlam genişlemesi olarak incelenir.

Beklenen sonuç: Tek merkezli küme varsayımını bırakır ve anlamların süreklilik üzerinde değişebileceğini gösterir. Türkçedeki çekimli biçimler önce doğru lemaya hizalandığı için geometrik ayrım yüzey eklerinden kaynaklanan yapay uzaklığı azaltır.

Sınır: Gömme uzayındaki uzaklık doğrudan anlam uzaklığı değildir. Konu, özel ad, kaynak türü ve tokenleme parçalanması eğriliği etkileyebilir; geometrik sıçrama ancak cümleler okunup anlam karşıtlığı doğrulandığında yeni anlam kanıtına dönüşür.

Kullanımlarİnsan denetimli cümleler

Gömme uzayıBağlamsal temsiller

YörüngeYerel komşuluk yolu

EğrilikAnlam geçişi adayı

06Etkin öğrenme öncesi denetim

Karşı-olgusal Bağlam Testi

Bir modelin lema, anlam veya gönderim kararını gerçekten hangi bağlam parçası değiştiriyor; yüksek güven dil bilgisel kanıttan mı, yoksa yalnız aynı metinlerde tekrarlanan konu sözcüklerinin ve kaynak kalıplarının ezberlenmesinden mi geliyor?

\operatorname{KBT}(t,c_i)=\left|P(a\mid C)-P\!\left(a\mid C\setminus\{c_i\}\right)\right| KBT(t,c_i) = |P(a|C) - P(a|C\{c_i})|

Yöntem: Cümledeki hedef dışı birimler dil bilgisel uygunluğu koruyacak biçimde silinir, yer değiştirilir veya aynı türden karşı örneklerle değiştirilir. Lema, anlam veya gönderim olasılığındaki değişim kaydedilir. Eklerin rastgele koparılması yasaktır; karşı-olgusal cümle Türkçenin ses ve morfotaktik düzenine uygun kalmalıdır.

Beklenen sonuç: Kararı taşıyan asıl kanıt ile yalnız aynı konuda sık görülen sözcükleri ayırır. Bir “yüz” kullanımında sayı sözünün çıkarılması anlam kararını değiştirirken ilgisiz bir sıfatın çıkarılması değiştirmiyorsa modelin dayanağı açıklanabilir hâle gelir.

Sınır: Karşı-olgusal metin doğal değilse olasılık değişimi bağlam önemini değil bozuk cümleyi yansıtır. Bu nedenle değiştirmeler biçimbilgisel kapıdan geçer ve seçili örnekler insan tarafından doğallık bakımından denetlenir.

Asıl cümleBaşlangıç olasılığı

Denetimli değişimBir kanıt değiştirilir

Yeni olasılıkKarar farkı ölçülür

AçıklamaEtkili bağlam belirlenir

07Yenilikçi birleşik model

Çok Ölçekli Bağlam Kafesi

Ek, sözcük, öbek, cümle, söylem ve kaynak kanıtlarını tek bir doğrusal puan içinde kaybetmeden nasıl karşılaştırabilir; hangi kararın en küçük yeterli bağlamda kesinleştiğini ve hangi katmanların birbiriyle çeliştiğini nasıl gösterebiliriz?

\mathcal C=\langle L,\le,\land,\lor\rangle,\qquad c_{\mathrm{ek}}\le c_{\mathrm{sözcük}}\le c_{\mathrm{cümle}}\le c_{\mathrm{söylem}} C = ⟨L, ≤, ∧, ∨⟩; c_ek ≤ c_sözcük ≤ c_cümle ≤ c_söylem

Yöntem: Her bağlam ölçeği bir kafes düğümü olarak modellenir; daha fazla kanıt içeren düğüm üstte yer alır. İki çözümlemenin ortak kanıtı kesişim, birleşik kanıtı birleşim işlemiyle temsil edilir. Çelişen kanıtlar üst düğüme sessizce taşınmaz, ayrı uyuşmazlık etiketi üretir.

Beklenen sonuç: Bir kararın hangi asgari bağlamda kesinleştiğini gösterir. Yakın çevrede çözülebilen durum eki ile metin boyunca öncül arayan gönderim aynı hesaplama maliyetine ve aynı açıklama biçimine zorlanmaz.

Sınır: Dilsel bağlam her zaman tam sıralı değildir; iki farklı kaynak kanıtı birbirine üstün olmayabilir. Model bu kısmi sıralamayı korur, fakat kafes yapısının kendisi bir dil bilgisi kuramının yerini almaz.

EkSözcük içi kanıt

ÖbekYerel bağıntı

CümleRol ve kapsam

SöylemGönderim ve ilişki

KaynakYayılım ve dayanıklılık

08Etkin karşılaştırmalı çözümleme

N-gram ve Transformer Çift Kanallı Denetimi

Açıklanabilir yerel n-gram sıklığı ile uzun bağlamı işleyen Transformer temsili birbirinden farklı sonuç verdiğinde hangisine güvenileceğini nasıl belirleyebilir; ortak karar, çelişki ve hata kaynaklarını insan denetimine açık biçimde nasıl ayırabiliriz?

G(a)=\operatorname{cal}\!\left(\alpha P_{\mathrm{ngram}}(a)+\beta P_{\mathrm{tr}}(a)+\gamma P_{\mathrm{FSM}}(a)\right),\qquad \alpha+\beta+\gamma=1 G(a) = cal(αP_ngram(a) + βP_tr(a) + γP_fsm(a)); α+β+γ=1

Yöntem: Birinci kanal açıklanabilir ikili ve üçlü lema örüntülerini, yoğunlaşma ve entropi ölçülerini üretir. İkinci kanal cümle veya söylem boyunca Transformer temsili çıkarır. İki kanal aynı adayı destekliyorsa güven artar; ayrışıyorsa biçimbilgisel kapı, karşı-olgusal test ve insan denetimi devreye girer.

Beklenen sonuç: Sık kalıplarda basit ve izlenebilir örüntülerin hızını, seyrek veya uzak bağıntılarda uzun bağlam modelinin kapsama gücünü birlikte kullanır. Hiçbir kanal tek başına hakem yapılmadığı için konu ezberi ve kör ek silme hataları daha kolay görünür olur.

Sınır: Kanallar aynı eğitim veya derlem hatasından etkilenmişse uzlaşmaları doğruluk kanıtı değildir. Kalibrasyon insan denetimli ayrı kümede yapılmalı, canlı derlemde yeni kaynak türleri geldiğinde güven eğrisi yeniden sınanmalıdır.

N-gramYerel ve açıklanabilir örüntü

TransformerUzun bağlamsal temsil

FSMTürkçe biçimbilgisel kapı

KalibrasyonUzlaşma ve çelişki

İnsanSon yayın kararı

Katmanlı ve açıklanabilir bağlam çözümleme zinciri

Yeni çözümleme zinciri beş kanıt katmanı kullanır. İlk katman cümle sınırı, OCR kalitesi ve kaynak kimliğini doğrular. İkinci katman lema, ek dizisi ve sözcük türü adaylarını üretir. Üçüncü katman yakın örüntü, değerlik ve bağımlılık ilişkilerini; dördüncü katman gönderim, söylem bağı ve metin konusunu; beşinci katman kaynaklar arası yayılım ile zaman veya akış dayanıklılığını ölçer. Her aşama seçenekleri daraltabilir, fakat önceki kanıtı silmez. Sonuç, tek etiket yerine açıklanabilir bağlam izi ve kalibre edilmiş güven değeriyle yayımlanır.

Bu mimarinin yenilikçi yönü, sembolik ve dağılımsal yöntemleri tek bir karanlık puanda eritmemesidir. Sonlu durumlu çözümleyici Türkçe ek sırasını korur; n-gram örüntüleri yerel kalıplaşmayı gösterir; hiper-graf cümleler arası ilişkileri taşır; Transformer uzun bağlamda aday temsilleri üretir; karşı-olgusal test hangi bağlam parçasının kararı değiştirdiğini sınar. Katmanlar uyuşmadığında sistem güveni düşürür ve insan incelemesi ister. Böylece daha büyük modelin her zaman daha doğru olduğu varsayımı yerine, kanıtların birbirini doğrulama derecesi esas alınır.

Görsel çözümleme

Canlı grafikler ve açıklanabilir şemalar

Grafikler canlı derlem penceresinden hesaplanır; her grafiğin altındaki okuma notu ölçüm sınırını belirtir.

Canlı bağlam işlevleri

En yeni 100.000 cümlede seçili açık nedensellik, karşıtlık, gönderim, kiplik, örnekleme, karşılaştırma ve koşulluluk göstergelerini karşılaştırır.

Canlı veri hazırlanıyor.

Çubuklar kesin söylem ilişkisi oranı değildir; en az bir seçili göstergenin bulunduğu cümlelerin keşif amaçlı payını gösterir ve işlevler aynı cümlede örtüşebilir.

Hareketli pencerenin kaynak bileşimi

Güncel pencereye giren kaynak gruplarının cümle payını, sözcük ağırlığını ve ortalama cümle uzunluğunu birlikte gösterir.

Canlı veri hazırlanıyor.

Cümle payı ile sözcük payı aynı değildir; kısa parça üreten kaynak cümle sayısında, uzun akademik metin üreten kaynak sözcük sayısında öne çıkabilir.

Dört akış diliminde bağlam dayanıklılığı

Nedensellik, karşıtlık, gönderim ve kiplik oranlarının ardışık 25.000 cümlelik dört dilimde nasıl değiştiğini çizgi olarak sunar.

Canlı veri hazırlanıyor.

Yatay eksen yayın zamanı değil derleme eklenme sırasıdır. Dalgalanma güncel kaynak karışımına duyarlılığı gösterir; takvimsel dil değişimi olarak yorumlanamaz.

Cümle uzunluğu ve bağlam taşıma alanı

Cümleleri 1-4, 5-9, 10-19, 20-29 ve 30 üzeri sözcük kümelerinde göstererek güncel işleme akışının yapısal dağılımını izler.

Canlı veri hazırlanıyor.

Uzun cümle daha zengin, kısa cümle daha yoksul bağlam demek değildir. Grafik cümle sınırı kalitesini ve modelin erişmesi gereken yerel alanı denetlemek için kullanılır.

Düğüm sözcüklerin yerel örüntü entropisi

Seçili sözcüklerin en güçlü on ikili veya üçlü lema örüntüsündeki yoğunlaşmayı ve normalleştirilmiş entropiyi karşılaştırır.

Canlı veri hazırlanıyor.

Yüksek entropi doğrudan çok anlamlılık, düşük entropi doğrudan kalıplaşma değildir. Ölçüm yalnız gösterilen en güçlü örüntüler içinde yerel dağılım genişliğini verir.

Canlı düğüm sözcük ve örüntü ağı

Çünkü, ancak, gibi, yalnız, ise, rağmen, örneğin ve yüz düğümlerini güncel en güçlü lema dizileriyle ağırlıklı kenarlar üzerinden bağlar.

Canlı veri hazırlanıyor.

Kenar kalınlığı ham örüntü ağırlığını gösterir. Ağ, dil bilgisel işlev veya anlam etiketini kendiliğinden vermez; okunacak bağlam kümelerini önceliklendirir.

Yapay zekânın bağlamsal temsil zinciri

Metnin tokenlere ayrılmasından öz dikkat, katmanlı temsil, olasılık dağılımı ve insan denetimine uzanan hesaplama akışını açıklar.

Canlı veri hazırlanıyor.

Şema modelin insan gibi anladığını ileri sürmez. Gösterilen aşamalar metinsel düzenliliklerden bağlama duyarlı kestirim üretme sürecini ve denetim gereksinimini açıklar.

İnsan denetimli kanıt

Nötr derlem tanıkları

Cümleler kaynak kimliği, tamamlık, OCR kalitesi, bağlam ilgisi ve nötrlük bakımından denetlenmiştir.

DergiPark makalesi#132515393

Bu araştırma yönteminde araştırmacının örnek seçme aşamasında sistematik hataya düşme ihtimali daha düşük olmaktadır.

Olgu: Yakın gönderim ve konu kurma
Çözümleme: “Bu” göstericisi kendisinden sonraki ad öbeğiyle yeni söylem konusunu kurar; yalnız önceki ada dönmek yerine yöntem adını belirginleştirir.
Lema izi: bu araştırma yöntem araştırmacı örnek seçme aşama sistematik hata düşme ihtimal daha düşük olmak

Kitap#112160189

Çünkü belirtildiği gibi, kendimiz hakkındaki bilince de ancak “başkaları” aracılığıyla varırız.

Olgu: Nedensellik, kısıtlama ve dönüşlü gönderim
Çözümleme: Tek cümlede neden bağı, önceki söze gönderim, dönüşlü kişi bilgisi ve “ancak” ile kurulan sınırlama birlikte çalışır.
Lema izi: çünkü belirtilmek gibi kendi hakkında bilinç de ancak başka aracılığıyla varmak

Kitap#101076771

Diğer balıkçılar ise oltalarını akıntıya kaptırıyorlar, aslında altmış kulaç derinliğinde bulunan yemlerini yüz kulaç derinlikte sanıyorlardı.

Olgu: Karşılaştırmalı konu geçişi ve eşyazımlılık
Çözümleme: “İse” önceki balıkçı grubuyla karşıt konu kurar; “yüz” çevresindeki sayı ve ölçü sözcükleri organ anlamını dışlar.
Lema izi: diğer balıkçı ise olta akıntı kaptırmak aslında altmış kulaç derinlik bulunmak yem yüz kulaç derinlik sanmak

DergiPark makalesi#187345680

Veriler yüz yüze görüşme yöntemi ile araştırmacı tarafından toplanmıştır.

Olgu: Öbek sözlükbirim ve yöntem bağlamı
Çözümleme: Yinelenen “yüz” biçimi sayısal veya organ adı olarak ayrı ayrı yorumlanmaz; “görüşme yöntemi” çevresi kalıplaşmış öbeği doğrular.
Lema izi: veri yüz yüz görüşme yöntem ile araştırmacı tarafından toplanmak

DergiPark makalesi#204968410

Ayağa kalkmanın başka bir nedeni ise, sandalye ile masa arasındaki mesafenin fazla olmasıdır.

Olgu: Neden odağı ve adlaştırılmış önerme
Çözümleme: “-ma” adlaştırması nedenin açıklanan olayını kurar; “ise” yeni nedeni önceki nedenler dizisine bağlar ve odağı yüklem öncesinde belirginleştirir.
Lema izi: ayak kalkma başka bir neden ise sandalye ile masa ara mesafe fazla olma

Kitap#131430003

SQL ile karakterler üstünde birçok işlemi yerine getirmek mümkündür.

Olgu: Olanak kipliği ve araç ilişkisi
Çözümleme: “Mümkündür” bütün eylemsi öbeği kiplik kapsamına alır; “ile” araç veya ortam ilişkisini yakın bağlamda sınırlar.
Lema izi: SQL ile karakter üst birçok işlem yerine getirmek mümkün

Kitap#100851087

Nihayetinde böyle bir evrende uzay katlanarak büyür, öyle ki enerjinin yoğunluğu aynı kalsa da herhangi bir bölgedeki toplam enerji bölgenin hacminin artmasıyla birlikte artacaktır.

Olgu: Sonuç ilişkisi ve ödünleme
Çözümleme: “Öyle ki” sonuç alanını açar; “kalsa da” beklenen karşı yönü korurken ana önermedeki artış sonucunu geçersiz kılmaz.
Lema izi: nihayetinde böyle bir evren uzay katlanmak büyümek öyle ki enerji yoğunluk aynı kalmak da herhangi bir bölge toplam enerji bölge hacim artma birlikte artmak

Köşe yazısı#117007968

Yılın başında vizyona girmesine rağmen film etkisini uzun süre devam ettirdi.

Olgu: Ödünleme ve iyelikli eylemsi
Çözümleme: “-masına rağmen” yapısı beklenen zaman etkisiyle gerçekleşen süreklilik arasında ödünleme kurar; iyelik eki bağımlı olayın katılımcısını taşır.
Lema izi: yıl baş vizyon girme rağmen film etki uzun süre devam ettirmek

YÖK tezi#171334793

Veriler aynı şekilde toplanmışsa, analitik sonuçlar da karşılaştırılabilir olmalıdır.

Olgu: Koşul ve gereklilik kipliği
Çözümleme: “-sa” koşul eki karşılaştırılabilirliğin ön şartını kurar; “olmalıdır” sonucu gereklilik kipliği içinde değerlendirir.
Lema izi: veri aynı şekil toplanmak analitik sonuç da karşılaştırılabilmek olmak

Haber#189767388

Şirketin iddiasına göre bu kart, masaüstü tarafındaki 10 GB'lık sürümden daha yüksek bir performans sunuyor.

Olgu: Kanıt kaynağı, gösterim ve karşılaştırma
Çözümleme: “İddiasına göre” bilginin kaynağını sınırlar; “bu kart” söylem nesnesini etkin tutar ve “daha” karşılaştırma ölçeğini açar.
Lema izi: şirket iddia göre bu kart masaüstü taraf 10 GB sürüm daha yüksek bir performans sunmak

DergiPark makalesi#204434340

Bu yüzden parametrelerin hazırlanması esnasında hata yapılmaması önem taşımaktadır.

Olgu: Cümleler arası neden ve olumsuz eylemsi
Çözümleme: “Bu yüzden” önceki önermeyi neden olarak geri çağırır; “yapılmaması” olumsuz eylemsisi istenen durumu adlaştırarak değerlendirmenin konusu yapar.
Lema izi: bu yüz parametre hazırlanma esnasında hata yapılma önem taşımak

Kitap#4223090

Oysa bilim tarihi, bilimin gelişmesini sosyal çevrenin özellikleri ve bilimsel çalışmanın psikolojik boyutlarıyla birlikte inceleyen bir alandır.

Olgu: Karşıt söylem dönüşü ve tanımlama
Çözümleme: “Oysa” önceki beklentiye karşı yeni bakış açısı açar; izleyen ad tümcesi alanın kapsamını birden çok katılımcıyla tanımlar.
Lema izi: oysa bilim tarih bilim gelişme sosyal çevre özellik ve bilimsel çalışma psikolojik boyut birlikte incelemek bir alan

Toplu içgörü

Bulgular, sorular, terimler ve kaynaklar

Canlı keşif sayıları, insan denetimli yorum ve yöntemin sınırları ayrı alanlarda tutulur.

Kaynak bileşimi bağlam ölçüsünü nasıl değiştirir?

İlk sürümün sabitlenmiş 100.000 cümlelik penceresinde kitap, tez ve DergiPark metinleri ağırlıklı olmakla birlikte cümle uzunlukları kaynak grupları arasında belirgin biçimde ayrılmıştır. Kitap akışında kısa parçalar, tez akışında orta uzunlukta akademik cümleler, DergiPark akışında ise daha uzun cümleler öne çıkmıştır. Bu fark, bağlayıcı oranlarının yalnız Türkçenin değişmez bir özelliğiymiş gibi okunamayacağını gösterir. Canlı arayüz kaynak payını ve ortalama uzunluğu birlikte vererek her bulgunun hangi güncel bileşim içinde oluştuğunu görünür tutar.

Kaynak çeşitliliği yüksek olduğunda bir örüntünün farklı kullanım ortamlarında sürüp sürmediği sınanabilir; fakat salt çeşitlilik dengeli temsil anlamına gelmez. Bir kaynak grubu çok sayıda kısa parça üretirse cümle sayısını, başka bir grup uzun cümleler üretirse sözcük sayısını baskınlaştırabilir. Bölüm hem cümle hem sözcük ağırlığını korur ve normalleştirilmiş kaynak entropisini yardımcı gösterge olarak sunar. Temsil hükmü, bu sayının yanında alan, tür, dönem ve metin kalitesi bilgisiyle verilir.

Derleme göre Türkçenin anlık bağlam görünümü

Bölüm yayımlanırken sabitlenen pencere 100.000 cümle ve 1.009.242 sözcük geçişi içeriyordu; ortalama cümle uzunluğu 10,09 sözcük, ortanca uzunluk 8 sözcüktü. Dört cümleden yaklaşık biri seçili açık bağlam göstergelerinden en az birini taşıyordu. Karşılaştırma göstergeleri, açık nedensellik veya kiplik göstergelerinden daha yaygındı; açık gönderim adayları da akışın kaynak bileşimine duyarlı güçlü bir katman oluşturuyordu. Sayfadaki canlı sayaçlar bu başlangıç değerlerini her açılışta en yeni pencereyle değiştirir.

Bu görünüm Türkçenin bütün bağlam yapısını tek sayıya indirgemez. Açık bağlayıcı bulunmayan örtük ilişkiler, eklerle taşınan koşul ve zaman bilgisi, düşürülen özneler ve geniş metin konusu bu basit gösterge kümelerinin dışında kalabilir. Buna karşılık canlı ölçüm, hangi ilişkilerin insan incelemesine öncelik vermesi gerektiğini ve yeni veri akışının mevcut yorumları ne kadar oynattığını hızlı biçimde gösterir. Bölümün toplu içgörüleri, yalnız bu keşif ölçüleri dil bilgisel kanıtlarla ve nötr cümle tanıklarıyla uyuştuğunda sürüm kaydına geçirilir.

Bağlam göstergeleri aynı cümlede katmanlaşır

Kanıt: İnsan denetimli tanıklarda “çünkü”, “gibi”, “ancak” ve dönüşlü kişi bilgisi tek cümlede birlikte çalışabilmekte; bir gösterge başka bir işlevi ortadan kaldırmamaktadır.

Yorum: Türkçe bağlam çözümlemesi tek etiketli sınıflandırma yerine örtüşen neden, kısıtlama, gönderim ve karşılaştırma katmanlarını ayrı tutmalıdır. Aynı cümle birden fazla söylem işlevine kanıt sağlayabilir.

Sınır: Bir göstergenin birlikte bulunması iki işlevin mutlaka aynı önerme alanına bağlandığını kanıtlamaz; kapsam sınırları ayrıca incelenmelidir.

Açık gönderim akışın en yaygın bağlam işaretlerinden biridir

Kanıt: İlk sürümün 100.000 cümlelik sabit penceresinde “bu”, “şu”, “o” ve “kendi” göstergelerinden en az birini taşıyan cümlelerin payı yüzde 15,26 olarak ölçülmüştür.

Yorum: Gönderim çözümlemesi madde ve derlem sorgularında ikincil bir özellik sayılamaz. Bununla birlikte açık gösterge oranı, kişi ve iyelik ekleriyle kurulan örtük zincirleri içermediği için gerçek gönderim yükünün alt sınırına yakın bir keşif değeridir.

Sınır: “O” sayı veya işaret işlevinde, “bu” yeni konu kurmada kullanılabilir; oran doğrulanmış eşgönderim zinciri sayısı değildir.

Karşılaştırma açık nedensellikten daha geniş bir yerel iz bırakır

Kanıt: Aynı sabit pencerede gibi, kadar, göre ve daha göstergelerinin bulunduğu cümlelerin payı yüzde 7,51; seçili açık nedensellik göstergelerinin payı yüzde 2,42 olarak hesaplanmıştır.

Yorum: Türkçenin güncel karma derlem akışında benzetme ve dereceleme çevreleri güçlü bir bağlam katmanı oluşturur. Sözlük anlamı, değerlik ve metafor çözümlemesi bu karşılaştırma işaretlerini yalnız görev sözcüğü olarak dışlamamalıdır.

Sınır: “Daha” zaman anlamı, “göre” kaynak veya ölçüt anlamı taşıyabilir; bütün geçişler tek bir karşılaştırma türüne ait değildir.

Cümle uzunluğu kaynak bileşimine duyarlıdır

Kanıt: İlk pencerede DergiPark cümleleri ortalama 17,09; YÖK tezi cümleleri 9,01; kitap akışı cümleleri 6,52 sözcük göstermiştir. Toplam ortalama 10,09 sözcüktür.

Yorum: Tek bir genel bağlam penceresi bütün kaynaklarda aynı yapısal alanı temsil etmez. Uzun akademik cümlelerde cümle içi bağıntı, kısa kitap parçalarında ise cümle sınırı ve önceki cümle bağı daha fazla önem kazanabilir.

Sınır: Kısa kitap ortalaması edebî üslubun değişmez özelliği değildir; o sırada işlenen dosyaların parçalama ve kaynak özelliklerinden etkilenir.

Kısa parçalar bağlam kalitesi için ayrı izlenmelidir

Kanıt: Sabit canlı pencerede dört veya daha az sözcüklü cümlelerin payı yüzde 19,25 olarak ölçülmüş, otuz ve üzeri sözcüklü cümlelerin payı yüzde 3,81 düzeyinde kalmıştır.

Yorum: Kısa cümlelerin bir bölümü başlık, diyalog veya geçerli eksiltili anlatım olabilir; bir bölümü ise cümle ayrıştırma artığıdır. Sistem bunları otomatik silmek yerine kaynak, noktalama ve komşu cümleyle birlikte kalite denetimine yöneltmelidir.

Sınır: Sözcük sayısı tek başına bozuk cümle kararı vermez. “Evet.” gibi kısa bir söz tam iletişim birimi, uzun bir OCR parçası ise bozuk olabilir.

Yerel örüntü çeşitliliği anlam sayısıyla özdeş değildir

Kanıt: Yüz, yalnız, gibi ve ancak düğümleri canlı ikili ve üçlü lema dizilerinde farklı yoğunlaşma eğrileri göstermekte; en baskın örüntünün payı ile ilk on örüntünün entropisi birbirinden ayrılmaktadır.

Yorum: Yeni anlam veya sözcük türü keşfinde yalnız küme saymak yerine örüntünün dil bilgisel yapısı, farklı kaynaklarda sürmesi ve gerçek karşı örnekleri incelenmelidir. Entropi inceleme önceliği verir, sözlük maddesi kararı vermez.

Sınır: Canlı örüntü tablosundaki lematizasyon hataları ve yinelenen metinler dağılımı bozabilir; insan denetimi olmadan anlam sonucu yayımlanmaz.

Türkçe bağlamın önemli bir bölümünü eklerde taşır

Kanıt: Tanıklarda koşul “-sa”, ödünleme yapısındaki iyelikli eylemsi, olumsuz adlaştırma ve yüklem kişi bilgisi ayrı sözcüksel bağlayıcı bulunmadan önerme ilişkisi veya katılımcı bilgisi kurabilmektedir.

Yorum: Bağlam modelinin yalnız token komşuluğuna dayanması Türkçe için yapısal bilgi kaybına yol açar. Doğru ek sınırı ve morfotaktik sıra, bağlamsal temsilin girdisi ve denetleyicisi olarak birlikte kullanılmalıdır.

Sınır: Bir ek yüzeyinin görülmesi tek bir işlevi garanti etmez; ses benzerliği ve sözlükbirim içi harf dizileri gerçek eklerden ayrılmalıdır.

Yapay zekâ için uzun bağlam seçme sorunudur

Kanıt: Transformer bütün görünür tokenlerden bilgi birleştirebilse de dikkat çözümlemeleri farklı başlıkların konum, söz dizimi ve gönderim gibi ayrı örüntülere yöneldiğini; her ağırlığın açıklayıcı olmadığını göstermektedir.

Yorum: Başarı yalnız bağlam penceresini büyütmekle değil, Türkçeye uygun tokenleme, biçimbilgisel hizalama, etkili kanıt seçimi ve güven kalibrasyonuyla artar. N-gram ve Transformer kanallarının karşılaştırılması hata kaynağını görünür kılar.

Sınır: Dikkat örüntüsü ve bağlamsal gömme model ailesine, katmana ve eğitim verisine bağlıdır; tek modelden Türkçenin genel kuralı çıkarılmaz.

Canlı görünüm sürümlü yorum gerektirir

Kanıt: Derlem sayaçları veri eklendiği anda büyürken hareketli pencerenin kaynak payı ve bağlam oranları yeni cümlelerle değişmektedir. Sabit bölüm anlık görüntüsü ile canlı değer bu nedenle ayrı alanlarda tutulur.

Yorum: Akademik bulgu yeniden üretilebilir sıra noktası ve yöntem sürümüyle saklanmalı, canlı kart ise bugünkü görünümü göstermelidir. Aralarındaki fark hata değil, büyüyen derlemin açıkça izlenen etkisidir.

Sınır: Sisteme eklenme zamanı metnin gerçek yayın zamanı değildir; canlı değişim artzamanlı dil değişimi iddiasına dönüştürülemez.

Sorular ve yanıtlar

Bağlam dil bilgisi için neden vazgeçilmezdir?

Dil bilgisel biçimler çoğu zaman tek başına bütün karar bilgisini taşımaz. Aynı yüzey biçimi birden fazla lemaya veya sözcük türüne açılabilir; düşürülen özne kişi ekinde, sahiplik iyelik ekinde, neden ya da karşıtlık ise cümleler arasındaki ilişkide görünür hâle gelebilir. Bağlam olmadan çözümleyici en sık adayı seçmeye yönelir ve seyrek fakat doğru kullanımları gürültü sayabilir. Türkçe için bağlamın önemi daha da büyüktür; eklemeli yapı dil bilgisel bilgiyi sözcüğün içine, serbest sözcük dizilişi ise bilgi yapısını farklı konumlara dağıtır. Güvenilir sistem ek, yakın komşuluk, değerlik, cümle ve söylem kanıtlarını ayrı tutarak birlikte değerlendirir. Bağlam böylece süslü bir açıklama değil, hangi çözümlemenin hangi koşullarda geçerli olduğunu belirleyen denetlenebilir kanıt düzeni olur.

[goksel-kerslake-2025][kornfilt-1997][oflazer-kuruoz-1994]

Bir sözcüğün anlamı yalnız yanındaki sözcüklerden bulunabilir mi?

Her zaman bulunamaz. Yakın komşular kalıplaşmış öbekleri, değerlik eğilimlerini ve belirli anlam kümelerini güçlü biçimde gösterebilir; fakat gönderim, ironi, örtük neden, konu sürekliliği veya önceki cümlede tanıtılmış bir varlık daha geniş metin gerektirir. Ayrıca Türkçede anlamı daraltan bilgi bazen ayrı komşuda değil, hedef sözcüğün ek dizisindedir. Bu nedenle sistem sabit bir sağ-sol pencere kullanmak yerine ek, öbek, cümle ve söylem katmanlarını kademeli olarak açar. Karar yakın çevrede kesinleşirse gereksiz uzak bilgi eklenmez; belirsizlik sürerse daha geniş bağlama geçilir. Böylece hem hesaplama maliyeti düşer hem de uzak konu sözcüklerinin güçlü fakat ilgisiz etkisiyle yanlış anlam seçilmesi engellenir.

[church-hanks-1990][zeyrek-etal-2013][goksel-kerslake-2025]

Yapay zekâ bağlamı nasıl öğrenir?

Dil modeli, eğitim metnini token dizilerine dönüştürür ve bir tokeni çevresindeki tokenlerden ya da önceki diziden kestirmeye çalışır. Kestirim hatası geriye yayıldıkça model, hangi biçimlerin hangi çevrelerde birbirini öngördüğünü çok boyutlu ağırlıklarda kodlar. Transformer öz dikkati her token için diğer tokenlerden gelen bilgiyi farklı ağırlıklarla birleştirir; sonraki katmanlar bu temsili yeniden işler. Aynı sözcük farklı cümlelerde farklı çevrelerle işlendiği için bağlamsallaştırılmış gösterimi de değişebilir. Model bağlamı bir kural kitabından ezberlemez; çok sayıdaki metinsel düzenlilikten istatistiksel temsil öğrenir. Bununla birlikte bu süreç dünyayı insan gibi deneyimlemek değildir. Öğrenilen bağlam eksik veya yanlı metinden, yanlış token sınırından ve sınırlı pencereden etkilenebilir; sonuçlar insan denetimi ve karşı örneklerle sınanmalıdır.

[vaswani-etal-2017][devlin-etal-2019][jurafsky-martin-2026]

Yapay zekânın bağlamı kullanması insan gibi anladığı anlamına gelir mi?

Hayır, bu sonuç doğrudan çıkarılamaz. Bir model metin içindeki düzenlilikleri yüksek başarıyla kullanabilir, uzak bir adılla öncülü ilişkilendirebilir veya uygun devamı üretebilir; ancak bu davranış bilinçli deneyim, niyet veya dünyaya ilişkin insan türü kavrayışın ölçüsü değildir. Dikkat ağırlıkları ve bağlamsal gömmeler, modelin hesaplama sırasında hangi metinsel bilgileri birleştirdiğine dair izler sunar. Bu izler yorumlanabilir olsa da tek başına nedensel açıklama sayılmaz. Bölüm bu nedenle “anlama” yerine bağlama duyarlı temsil, kestirim ve ayrıştırma terimlerini tercih eder. İnsan benzeri kavrayış iddiası kurmadan da modelin hangi bağlamlarda güvenilir, hangi bağlamlarda kırılgan olduğunu bilimsel biçimde ölçmek mümkündür.

[clark-etal-2019][ethayarajh-2019][jurafsky-martin-2026]

Token nedir ve neden her zaman sözcük değildir?

Token, modelin veya hesaplama sisteminin tek adımda işlediği metin parçasıdır. Bir sözcük bütünüyle tek token olabilir; seyrek ya da uzun bir Türkçe biçim birkaç alt sözcük tokenine ayrılabilir. Noktalama ve sayılar da ayrı tokenler oluşturabilir. Bu sınırlar dil bilgisel biçimbirim sınırlarıyla zorunlu olarak örtüşmez. Türkçede bir çekimli sözcüğün yanlış yerden parçalanması kişi, durum, kip veya iyelik bilgisinin modelde dağınık temsil edilmesine yol açabilir. Bu bölüm token dizisini son dil bilgisel çözümleme kabul etmez. Tokenler doğru lema, ek dizisi ve morfotaktik adaylarla hizalanır; modelin bağlamsal temsili bu yapısal bilgiyle karşılaştırılır. Böylece hesaplama birimi ile dil bilgisel birim arasındaki fark açıkça korunur.

[jurafsky-martin-2026][vaswani-etal-2017][oflazer-kuruoz-1994]

Bağlam penceresi büyüdükçe sonuç her zaman iyileşir mi?

Hayır. Daha geniş pencere uzak gönderimleri, önceki olayları ve söylem konusunu erişilebilir kılabilir; fakat aynı zamanda ilgisiz kişi, olay ve konu sözcüklerini de modele taşır. Uzun belgelerde model önemli kanıtı ayırt edemezse daha fazla bağlam gürültüye dönüşür. Hesaplama maliyeti ve bellek gereksinimi de pencereyle artar. Bu yüzden çok ölçekli sistem önce ek ve yakın öbek bağlamını sınar, belirsizlik sürerse cümle ve söylem düzeyine açılır. Karşı-olgusal test, uzak bir parçanın kararı gerçekten değiştirip değiştirmediğini ölçer. En iyi pencere sabit bir sayı değil, çözülmek istenen dil bilgisel soruya ve gerekli kanıtın uzaklığına bağlıdır.

[vaswani-etal-2017][clark-etal-2019][jurafsky-martin-2026]

Dikkat ağırlığı bir dil bilgisi kuralını kanıtlar mı?

Tek başına kanıtlamaz. Bazı dikkat başlıkları belirli konumlara, söz dizimsel ilişkilere veya gönderim adaylarına düzenli biçimde yönelebilir; bu davranış modelin iç işleyişini incelemek için değerlidir. Buna karşılık bir tokenin yüksek ağırlık alması, model kararının yalnız o tokenden kaynaklandığını veya ilişkinin dil bilimsel anlamını doğru kurduğunu göstermez. Katmanlar ve başlıklar bilgiyi birlikte dönüştürür. Güvenilir yorum, dikkat örüntüsünü hedef parçanın silinmesi veya değiştirilmesi, biçimbilgisel uygunluk, insan işaretlemesi ve hata örnekleriyle karşılaştırır. Bölüm grafikleri dikkat dağılımını açıklayıcı aday olarak sunar; nedensellik veya kural etiketi olarak sunmaz.

[clark-etal-2019][vaswani-etal-2017][ethayarajh-2019]

Türkçede düşürülen özne bağlam çözümlemesini nasıl etkiler?

Türkçede özne adılı çoğu cümlede söylenmeden kişi ve sayı bilgisi yüklem ekiyle taşınabilir. Bu durumda yalnız açık adları arayan gönderim sistemi cümlenin temel katılımcısını göremez. Çözümleyici önce yüklemdeki kişi bilgisini doğru ayırır, sonra önceki söylemde uyumlu ve etkin varlıkları aday olarak değerlendirir. Aynı ilke açık olmayan iyelik tamlayanları için de geçerlidir. Bununla birlikte kişi uyumu tek başına öncülü belirlemez; birden çok uyumlu aday bulunabilir veya anlatıcı değişebilir. Morfobağlamsal imza ek bilgisini söylem grafına taşır, fakat kesin gönderim kararı için konu sürekliliği, değerlik, anlam uyumu ve insan denetimini birlikte kullanır.

[pamay-eryigit-2023][goksel-kerslake-2025][kornfilt-1997]

Canlı bağlam yüzdeleri tam olarak neyi gösteriyor?

Yüzdeler, en yeni 100.000 derlem cümlesinde önceden açıklanmış gösterge kümelerinden en az birini içeren cümlelerin payını gösterir. Örneğin nedensellik kümesi “çünkü”, “dolayı”, “neden” ve “sonuç”; karşıtlık kümesi “ama”, “ancak”, “fakat”, “oysa” ve “karşın” gibi lemalardan oluşur. Bu yöntem hızlı ve yeniden üretilebilirdir, fakat kesin söylem işaretlemesi değildir. “Sonuç” bir ad olarak geçebilir, “ancak” kısıtlama bildirebilir ve açık bağlayıcısı olmayan bir cümle güçlü neden ilişkisi kurabilir. Dolayısıyla canlı oranlar keşif, karşılaştırma ve akış denetimi için kullanılır. Akademik dil bilgisel hüküm, cümle sınırı, işlev, bağlı önerme alanı ve karşı örnekler insan tarafından denetlendiğinde verilir.

[zeyrek-etal-2013][zeyrek-kurfali-2018][mcenery-hardie-2012]

Neden hareketli pencere 100.000 cümle olarak seçildi?

Bu büyüklük iki gereksinim arasında denge kurar. Pencere çok küçük olduğunda tek bir kitap, makale paketi veya tez oranları kolayca sürükler; çok büyük olduğunda yeni veri akışındaki değişim görünmez hâle gelir ve canlı sorgu gereksiz kaynak tüketir. Yüz bin cümle mevcut sistemde kaynak bileşimini, cümle uzunluğu dağılımını ve seçili bağlam göstergelerini kararlı biçimde ölçerken web sayfasının yanıt süresini kabul edilebilir düzeyde tutar. Pencere ayrıca dört eşit dilime bölünebildiği için güncel akış dayanıklılığı izlenebilir. Bu sayı evrensel bir dil bilimi sabiti değildir; derlem büyüklüğü, veri geliş hızı ve hata çözümlemesi değiştiğinde yöntem sürümünde yeniden değerlendirilebilir.

[mcenery-hardie-2012][shannon-1948][zeyrek-kurfali-2018]

Bağlam Direnç İndeksi bir dil değişimi ölçüsü müdür?

Hayır. İndeks en yeni 100.000 cümlenin ardışık dört eklenme diliminde seçili bağlam işlevlerinin ne kadar benzer oranlarda görüldüğünü ölçer. Eklenme sırası kaynak metnin yazılma veya yayımlanma tarihi değildir. Bu nedenle yüksek ya da düşük puan Türkçenin tarihsel olarak değiştiğini göstermez. Puanın amacı veri akışının geçici kaynak yığınlarına ne kadar duyarlı olduğunu belirtmektir. Örneğin art arda çok sayıda akademik makale işlendiğinde nedensellik ve örnekleme göstergeleri yükselebilir; roman paketi işlendiğinde gönderim ve diyalog örüntüleri değişebilir. Takvimsel değişim için güvenilir yayın tarihli, dönemlere göre dengelenmiş ayrı bir artzamanlı derlem gerekir.

[mcenery-hardie-2012][shannon-1948][zeyrek-etal-2013]

Bağlam ağı anlamları otomatik olarak ayırıyor mu?

Ağ, seçili düğüm sözcükleri en yüksek ağırlıklı ikili ve üçlü lema dizileriyle bağlar; böylece hangi yerel örüntülerin incelemeye değer olduğunu gösterir. “Yüz” sözcüğünün sayı adlarıyla, “yüz yüze” kalıbıyla veya organı niteleyen sözcüklerle kurduğu kümeler anlam ayrımı için güçlü adaylar üretebilir. Buna karşılık ağdaki her küme ayrı anlam değildir. Konu, özel ad, OCR hatası, yanlış lematizasyon ve yinelenen metin de kümelenme yaratabilir. Bu nedenle ağ keşif katmanıdır. Anlam kararı için temel anlam, bağlamsal anlam, söz dizimsel rol, kaynak yayılımı ve insan denetimli cümleler birlikte değerlendirilir; gerekirse mevcut maddeye yeni anlam veya ayrı eşadlı madde kararı sözlükçülük akışında verilir.

[church-hanks-1990][oflazer-kuruoz-1994][mcenery-hardie-2012]

Kaynak çeşitliliği bağlam çözümlemesinde neden gösteriliyor?

Bir örüntünün yalnız tek bir kitapta veya aynı şablonla üretilmiş metinlerde sıklaşması, genel Türkçe için güçlü yayılım kanıtı değildir. Kitap, haber, makale ve tezler farklı cümle uzunlukları, konu düzenleri ve söylem ilişkileri üretir. Kaynak bileşimi gösterildiğinde canlı oranların hangi metin evreninden geldiği anlaşılır. Normalleştirilmiş kaynak entropisi dağılımın kaç gruba yayıldığını özetler; ancak alan, dönem ve kalite dengesini tek başına garanti etmez. Bu yüzden sistem hem cümle hem sözcük payını, ortalama cümle uzunluğunu ve kaynak adını ayrı sunar. Bir dil bilgisel bulgunun genellenmesi için farklı kaynaklarda aynı işlevle süren insan denetimli tanıklar aranır.

[mcenery-hardie-2012][zeyrek-etal-2013][shannon-1948]

Bağlam çözümlemesinde en tehlikeli hata nedir?

En tehlikeli hata, yüksek sıklık veya yüksek model güvenini dil bilgisel doğrulukla özdeşleştirmektir. Yanlış cümle sınırı, OCR bozukluğu, hatalı lema veya tek kaynaktan gelen tekrarlar güçlü bir örüntü oluşturabilir. Model aynı hatayı eğitimde çok görmüşse güveni de yüksek olabilir. Bölüm bu riski katmanlı korumayla azaltır. Önce metin kalitesi ve cümle tamamlığı, sonra Türkçeye uygun biçimbilgisel yapı, ardından yakın ve uzak bağlam, kaynak yayılımı ve karşı-olgusal dayanıklılık denetlenir. Çelişen katmanlar otomatik olarak çoğunluk oyuyla kapatılmaz; güven düşürülür ve insan incelemesi istenir. Amaç bütün belirsizliği gizlemek değil, kalan belirsizliği ölçülebilir ve düzeltilebilir hâle getirmektir.

[oflazer-kuruoz-1994][clark-etal-2019][mcenery-hardie-2012]

Kullanılan terimler

Bağlam: Bir dilsel birimin yorumunu sınırlandıran ek, sözcük, öbek, cümle, söylem, kaynak ve kullanım koşullarından oluşan çok katmanlı kanıt ortamı.
Yakın bağlam: Hedef birimin sınırlı sağ ve sol çevresindeki sözcükler, ekler ve yerel söz dizimsel bağıntılar.
Uzak bağlam: Hedef cümlenin ötesindeki önceki veya sonraki cümleleri, söylem konusunu ve gönderim zincirlerini kapsayan alan.
Söylem ilişkisi: İki veya daha çok önerme arasında neden, sonuç, karşıtlık, koşul, açıklama ya da örnekleme gibi işlevlerle kurulan anlam bağı.
Gönderim: Bir dilsel ifadenin söylemde tanıtılmış ya da kullanım ortamında belirlenebilen bir varlık, olay veya önermeyle ilişki kurması.
Eşgönderim: İki veya daha çok dilsel ifadenin aynı söylem varlığına ya da aynı olaya yönelmesi.
Düşürülen özne: Ayrı bir adıl veya ad öbeğiyle söylenmeyen, kişi ve sayı bilgisi çoğunlukla yüklem eki ile anlaşılabilen özne.
Bağlamsal belirsizlik: Bir yüzey biçiminin bağlam incelenmeden birden çok lema, tür, anlam, rol veya gönderim adayına açık kalması.
Bağlamsal Ayrıştırma Kazancı: Yeni bir bağlam katmanı eklendiğinde insan denetimli adaylar arasındaki koşullu belirsizliğin ne ölçüde azaldığını gösteren bilgi ölçüsü.
Bağlam Direnç İndeksi: Seçili bağlam işlevi oranının ardışık güncel veri dilimlerinde ne ölçüde korunduğunu değişim katsayısından hesaplayan akış kararlılığı puanı.
Morfobağlamsal imza: Yüzey, lema, ek dizisi, tür, değerlik, yerel örüntü, söylem ilişkisi, kaynak ve güven bilgisini aynı denetlenebilir kullanım kaydında tutan temsil.
Söylem hiper-grafı: Birden çok varlık, olay ve önermeyi tek ilişki içinde bağlayabilen çoklu kenarlar kullanan söylem ağı.
Yerel örüntü entropisi: Bir düğüm sözcüğün gösterilen yakın lema örüntüleri arasındaki dağılım genişliğini normalleştirilmiş olarak özetleyen ölçü.
Karşılıklı bilgi: İki birimin birlikte görünmesinin bağımsız görülme beklentisine göre ne kadar bilgi sağladığını ölçen birliktelik değeri.
Koşullu entropi: Belirli bir bağlam kanıtı bilindiğinde aday çözümlemeler arasında kalan belirsizlik miktarı.
Karşı-olgusal bağlam: Bir bağlam parçasının karar üzerindeki etkisini sınamak için Türkçenin yapısına uygun biçimde denetimli olarak değiştirilmiş veya çıkarılmış çevre.
Bağlam yörüngesi: Aynı sözlükbirimin farklı kullanımlarına ait bağlamsal temsillerin çok boyutlu uzayda oluşturduğu yerel geçiş yolu.
Bağlam kafesi: Ekten söyleme uzanan kısmi sıralı kanıt katmanlarını ortak ve birleşik bilgi işlemleriyle karşılaştıran biçimsel yapı.
Token: Bir dil modelinin tek hesaplama birimi olarak işlediği metin parçası; sözcük veya biçimbirimle zorunlu olarak aynı olmayan gösterim birimi.
Bağlam penceresi: Bir modelin tek hesaplama sırasında doğrudan erişebildiği token aralığı.
Öz dikkat: Dizideki her tokenin diğer tokenlerden gelen bilgiyi sorgu, anahtar ve değer gösterimleri üzerinden ağırlıklı biçimde birleştirmesi.
Bağlamsallaştırılmış temsil: Aynı token veya sözcüğün içinde bulunduğu cümle ve söylem çevresine göre değişen çok boyutlu model gösterimi.
Gömme uzayı: Dilsel birimlerin benzerlik ve ayrımlarını çok boyutlu sayısal vektörlerle temsil eden geometrik uzay.
Kalibrasyon: Modelin bildirdiği güven düzeyinin insan denetimli veride gözlenen doğruluk olasılığıyla ne ölçüde uyuştuğunu sınama işlemi.
N-gram: Metinde ardışık olarak bulunan n sayıdaki yüzey veya lema biriminden oluşan yerel dizi.
Kaynak entropisi: İncelenen cümlelerin kaynak grupları arasında ne ölçüde dengeli veya yoğunlaşmış dağıldığını özetleyen normalleştirilmiş çeşitlilik ölçüsü.
Akış dilimi: Canlı hareketli pencerenin derleme eklenme sırasına göre ayrılmış eşit büyüklükteki ardışık parçası.
İnsan denetim kapısı: Otomatik adayın cümle tamamlığı, Türkçeye uygunluk, bağlam, nötrlük ve açıklanabilirlik bakımından yayın öncesi uzman incelemesinden geçmesi.

Doğrulanmış kaynaklar

Kaynaklar kuramsal ve yöntemsel dayanak olarak kullanılır. Bölüm anlatımı, çözümleme ve tanımlar GTS için özgün olarak yazılmıştır; başka bir kaynaktan aynen alınmamıştır.

14 kaynağın tamamı doğrulandı. Künyeler yayınevi katalogları, DOI üst verileri, ACL Anthology, NeurIPS bildiri arşivi ve yazarların resmî yayın sayfaları karşılaştırılarak doğrulandı. Son denetim: 31.07.2026 10:45 TSİ.

[1]
Göksel, Aslı ve Celia Kerslake (2025). Turkish: A Comprehensive Grammar. 2. baskı. Routledge.
Türkçenin biçim bilgisi, söz dizimi ve söylem yapısı için kapsamlı başvuru dil bilgisi
Kaynağı doğrula
[2]
Kornfilt, Jaklin (1997). Turkish. Routledge.
Türkçenin söz dizimi ve bağlama duyarlı dil bilgisel yapıları için başvuru eseri
Kaynağı doğrula
[3]
McEnery, Tony ve Andrew Hardie (2012). Corpus Linguistics: Method, Theory and Practice. Cambridge University Press.
Derlem dil bilimi yöntemi, örnekleme ve ölçüm yorumu için başvuru kitabı
Kaynağı doğrula
[4]
Church, Kenneth Ward ve Patrick Hanks (1990). “Word Association Norms, Mutual Information, and Lexicography”. Computational Linguistics, 16(1), 22-29.
Birlikte görünme ve karşılıklı bilgi temelli bağlam ölçümü
Kaynağı doğrula
[5]
Zeyrek, Deniz, Işın Demirşahin, Ayışığı B. Sevdik Çallı ve Ruket Çakıcı (2013). “Turkish Discourse Bank: Porting a Discourse Annotation Style to a Morphologically Rich Language”. Dialogue and Discourse, 4(2), 174-184.
Türkçe söylem ilişkileri ve biçimbilgisel bakımdan zengin dil için söylem işaretleme çalışması
Kaynağı doğrula
[6]
Zeyrek, Deniz ve Murathan Kurfalı (2018). “An Assessment of Explicit Inter- and Intra-sentential Discourse Connectives in Turkish Discourse Bank”. LREC 2018.
Türkçedeki cümle içi ve cümleler arası açık söylem bağlayıcılarının çözümlemesi
Kaynağı doğrula
[7]
Pamay Arslan, Tuğba ve Gülşen Eryiğit (2023). “Incorporating Dropped Pronouns into Coreference Resolution: The Case for Turkish”. EACL 2023 Student Research Workshop, 14-25.
Türkçede düşürülen adıllar ve gönderim çözümlemesi
Kaynağı doğrula
[8]
Oflazer, Kemal ve İlker Kuruöz (1994). “Tagging and Morphological Disambiguation of Turkish Text”. ANLP 1994, 144-149.
Türkçe biçimbilgisel belirsizliğin bağlamla giderilmesi
Kaynağı doğrula
[9]
Shannon, Claude E. (1948). “A Mathematical Theory of Communication”. Bell System Technical Journal, 27, 379-423 ve 623-656.
Entropi ve koşullu bilgi ölçülerinin matematiksel temeli
Kaynağı doğrula
[10]
Vaswani, Ashish ve diğerleri (2017). “Attention Is All You Need”. Advances in Neural Information Processing Systems 30.
Öz dikkat ve Transformer mimarisinin temel çalışması
Kaynağı doğrula
[11]
Devlin, Jacob, Ming-Wei Chang, Kenton Lee ve Kristina Toutanova (2019). “BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding”. NAACL-HLT 2019, 4171-4186.
Çift yönlü bağlamsal dil temsilleri ve maskeli dil modeli
Kaynağı doğrula
[12]
Clark, Kevin, Urvashi Khandelwal, Omer Levy ve Christopher D. Manning (2019). “What Does BERT Look at? An Analysis of BERT’s Attention”. BlackboxNLP 2019, 276-286.
Dikkat başlıklarının dil bilgisel ve gönderimsel davranışının incelenmesi
Kaynağı doğrula
[13]
Ethayarajh, Kawin (2019). “How Contextual are Contextualized Word Representations?”. EMNLP-IJCNLP 2019, 55-65.
Bağlamsallaştırılmış sözcük temsillerinin geometrik çözümlemesi
Kaynağı doğrula
[14]
Jurafsky, Daniel ve James H. Martin (2026). Speech and Language Processing. 3. baskı çevrim içi taslağı.
Dil modelleri, söylem, anlam, olasılık ve doğal dil işleme için güncel başvuru eseri
Kaynağı doğrula

Değişiklik günlüğü

Sürüm 1.0 31.07.2026 10:25 TSİ

Bağlam bölümü; on üç uzun açıklama bölümü, on iki insan denetimli nötr tanık, sekiz yeni çözümleyici model, yedi grafik ve şema, canlı 100.000 cümlelik hareketli pencere, yapay zekâ bağlam açıklaması, on dört soru-yanıt ve yirmi sekiz terimle yayımlandı.