Araştırma

Araştırmalarım doğal dil işleme ve makine öğrenmesi üzerine; özellikle Türkçe metinlerde sahte haber tespiti, metin sınıflandırma ve derin öğrenme modellerinin klasik yöntemlerle karşılaştırılması konularına odaklanıyor.

Tüm yayınlar ve atıflar için: Google Scholar · ORCID · ResearchGate · DergiPark · Hugging Face

Yayınlar

2025 · Dergi makalesi
Fake News Detection on Mainstream Media Using Natural Language Processing
İsa Kulaksız, Ahmet Coşkunçay

Black Sea Journal of Engineering and Science, 8(1), 214–224

DOI: 10.34248/bsengineering.1527551

Sahte haber tespitiMakine öğrenmesiSınıflandırmaLSTMDoğal dil işleme

Özet

Çalışma, Türkçe haber metinlerinde sahte haber tespiti için dilbilimsel özelliklere dayalı bir model önermektedir. 2015–2023 dönemine ait, TRT RSS servisi ve Teyit.org doğrulama platformundan derlenen haber başlık ve özetleri üzerinde altı klasik sınıflandırıcı (SVM, lojistik regresyon, rastgele orman, k-NN, karar ağacı, Naive Bayes) ile bir LSTM ağı karşılaştırılmış; TF-IDF ve CountVectorizer temsilleri ile hiperparametre ayarının etkisi incelenmiştir. En iyi sonuç, TF-IDF ve hiperparametre ayarı ile SVM'de %93,12 doğruluk olarak elde edilmiştir.
BibTeX
```
@article{kulaksiz2025fakenews,
  title = {Fake News Detection on Mainstream Media Using Natural Language Processing},
  author = {Kulaksız, İsa and Coşkunçay, Ahmet},
  journal = {Black Sea Journal of Engineering and Science},
  year = {2025},
  volume = {8},
  number = {1},
  pages = {214--224},
  doi = {10.34248/bsengineering.1527551}
}
```
2025 · Tez
Doğal Dil İşleme Kullanılarak Ana Akım Medyada Türkçe Sahte Haber Tespiti
İsa Kulaksız

Atatürk Üniversitesi, Fen Bilimleri Enstitüsü, Bilgisayar Mühendisliği Anabilim Dalı

Yüksek lisans tezi · Danışman: Dr. Öğr. Üyesi Ahmet Coşkunçay · Dil: Türkçe · YÖK Ulusal Tez Merkezi

Sahte haber tespitiDoğal dil işlemeMakine öğrenmesiLSTMBERTurk

Özet

Tezde Türkçe ana akım medyadaki haberlerin sahte mi gerçek mi olduğunu tespit eden bir sistem geliştirilmiştir. TRT Gündem ve Teyit.org kaynaklarından toplanan haberler ön işleme adımlarından geçirilerek etiketlenmiş; TF-IDF, CountVectorizer ve Word2Vec ile özellik çıkarımı yapılmış; SVM, lojistik regresyon, Naive Bayes, k-NN, karar ağacı, rastgele orman, LSTM ve BERTurk modelleri karşılaştırılmıştır. Tezin veri seti Hugging Face üzerinde TR-FakeNews adıyla paylaşılmıştır.
BibTeX
```
@mastersthesis{kulaksiz2025thesis,
  title = {Doğal Dil İşleme Kullanılarak Ana Akım Medyada Türkçe Sahte Haber Tespiti},
  author = {Kulaksız, İsa},
  school = {Atatürk Üniversitesi, Fen Bilimleri Enstitüsü, Bilgisayar Mühendisliği Anabilim Dalı},
  year = {2025},
  address = {Erzurum, Türkiye},
  type = {Yüksek Lisans Tezi},
  url = {https://tez.yok.gov.tr/UlusalTezMerkezi/}
}
```

Açık kaynaklar

Hugging Face üzerinde paylaştığım model ve veri setleri.

Veri seti
TR-FakeNews
isakulaksiz/turkish-fake-news-detection

Türkçe ana akım medya haberlerinden derlenmiş sahte haber veri seti: 2015–2023 arasına ait 5.325 haber başlığı ve özeti (TRT ve Teyit.org kaynaklı), gerçek / sahte etiketli. Makaledeki deneylerin veri kaynağı.

Hugging FaceTürkçeMIT
Model
turkish-pii-detection
isakulaksiz/turkish-pii-detection

Türkçe metinlerde kişisel verileri (isim, yer, kurum) tespit edip maskelemek için BERTurk üzerine ince ayarlanmış token sınıflandırma modeli; KVKK / GDPR uyumu ve metin anonimleştirme için.

Hugging FaceBERTurkNERMIT