Metin özetleme

Bu derste doğal dil işlemenin en çok kullanılan görevlerinden biri olan metin özetlemeyi baştan sona işliyoruz: ne olduğu, çıkarıcı ve soyutlayıcı özetleme farkı, modellerin çalışma mantığı ve sık yapılan hatalar. Konunun temeli için NLP nedir? dersimize bakabilir, tüm seriyi Yapay Zekâ dersleri sayfasından takip edebilirsin.

Metin Özetleme Nedir?

Metin özetleme, uzun bir metnin ana fikrini ve önemli bilgilerini koruyarak onu daha kısa bir sürüme dönüştürme işlemidir. Amaç yalnızca kısaltmak değildir; okuyucunun asıl bilgiye hızla ulaşmasını sağlamaktır. Bir haberin spotu, bir makalenin özeti ya da toplantı notunun maddeler hâline getirilmesi, bu görevin insan tarafından yapılan örnekleridir. Yapay zekâ ise aynı işi saniyeler içinde, sayfalarca uzunlukta metinler için yapmaya çalışır.

Çıkarıcı ve Soyutlayıcı Özetleme Farkı

Özetleme yaklaşımı ikiye ayrılır ve bu ayrım, konunun en önemli meselesidir:

• Çıkarıcı (extractive) özetleme: Metindeki hazır cümleler önem sırasına göre seçilir ve birleştirilir. Yeni kelime üretilmez; özet, orijinal metnin “en önemli cümleleri”nden oluşur.
• Soyutlayıcı (abstractive) özetleme: Model metni kavrar ve kendi cümleleriyle yeniden yazar. İnsanın özetlemesine daha çok benzer; bir paragrafı tek cümlede toplayabilir.

İkisini karşılaştırırsak: çıkarıcı yöntem güvenlidir, çünkü cümleler birebir metinden geldiği için uydurma bilgi riski düşüktür; ama anlatım kopuk olabilir. Soyutlayıcı yöntem akıcı ve doğal özetler üretir; fakat model metni yanlış anlarsa halüsinasyon, yani metinde olmayan bilginin özete girmesi riski doğar. ChatGPT, Claude ve Gemini gibi büyük dil modelleri soyutlayıcı özetleme yapar.

Metin Özetleme Nasıl Çalışır?

Klasik yöntemler: TF-IDF ve TextRank

Derin öğrenme öncesinde özetleme çıkarıcı biçimde, şu adımlarla yapılırdı; bugün de hafif ve hızlı uygulamalarda kullanılır:

1. Metin cümlelere ve token denilen parçalara ayrılır.
2. Her cümle puanlanır: TF-IDF gibi yöntemler kelime sıklıklarını, cümle uzunluğunu ve metindeki konumu dikkate alır.
3. TextRank gibi graf tabanlı yöntemlerde cümleler düğüm, cümleler arası benzerlikler bağlantı sayılır; en çok bağlantı alan, yani metni en çok temsil eden cümleler seçilir.
4. En yüksek puanlı cümleler, metindeki sıralarına göre birleştirilir.

Sinir ağı ve büyük dil modeli ile özetleme

Günümüzde iş, bir dil modelinin metni okuyup yeniden yazması biçimindedir. Transformer mimarisi metni embedding vektörlerine çevirerek kelime ve cümleler arasındaki anlam ilişkilerini yakalar; T5 ve BART gibi encoder-decoder modeller yıllarca soyutlayıcı özetlemenin standart araçları oldu. Bugünse LLM nedir? dersinde anlattığımız büyük dil modelleri tek başına yeter: modele görevi bir prompt ile söylersin — “Bu metni üç cümlede özetle” gibi — model de metni yeniden yazıp özeti döndürür. Aynı model özetlemeyi, çeviriyi ve soru yanıtlamayı birlikte yapabildiği için ayrıca bir özetleme modeli eğitmeye çoğu zaman gerek kalmaz.

Özet Kalitesi Nasıl Ölçülür?

Bilgisayarın ürettiği özeti değerlendirmenin en yaygın yolu ROUGE metriğidir. ROUGE, modelin özetindeki kelime ve kelime dizilerinin insan yapımı referans özetle ne kadar örtüştüğünü sayar. Pratik anlamı şudur: ROUGE örtüşmeyi ölçer, anlamlılığı garanti edemez; farklı ama doğru iki özet düşük skor alabilir. Bu yüzden güncel çalışmalarda insan değerlendirmesi ve model tabanlı değerlendirme de ROUGE ile birlikte kullanılır. Kaliteyi değerlendirmek için dört niteliksel ölçüt de vardır: sadakat (özetteki her bilginin kaynakta karşılığı olması), tutarlılık, akıcılık ve kısalık.

Güncel Kullanım Alanları (2024-2025)

Metin özetleme, ayrı bir araç olmaktan çıkıp günlük yazılımların içinde görünmez bir özelliğe dönüştü:

• Arama ve tarayıcılar: Arama sonuçlarında ve tarayıcı kenarında sayfaların yapay zekâ ile hazırlanmış kısa özetleri sunuluyor.
• Toplantı asistanları: Görüşme kaydını özetleyip kararları ve yapılacakları maddeler hâlinde çıkaran özellikler yaygınlaştı.
• Mesajlaşma uygulamaları: Okunmamış sohbetleri kısa bir paragrafla özetleyen özellikler mobil uygulamalarda standart hâline geldi.
• Hukuk, finans ve akademi: Uzun karar, rapor ve makaleler hızca taranıyor; belgeye soru sorabilen “belge sohbeti” araçlarıyla birlikte çalışıyor.

Bu araçların arkasındaki üretme gücünün ne olduğunu merak ediyorsan Üretken yapay zekâ nedir? dersimize bakabilirsin.

Sık Yapılan Hatalar ve Yanılgılar

• “Özet, kısaltılmış metindir” yanılgısı: İyi özet, metnin belli bir oranda budanmış hâli değil, ana fikrin yeniden kurulmuş hâlidir; belirleyici olan uzunluk değil bilgi yoğunluğudur.
• Halüsinasyonu fark etmemek: Soyutlayıcı modeller zaman zaman metinde olmayan bir isim, tarih ya da sayı ekleyebilir. Özeti kritik bir işte kullanacaksan kaynağıyla karşılaştır.
• Bağlam penceresini hesaba katmamak: Çok uzun belgeler modelin tek seferde işleyebileceği token sınırını aşabilir; belge parçalanıp parça özetler birleştirilir, bu da detay kaybına yol açabilir.
• Tek kelimelik istem: Yalnızca “özetle” yazmak yerine uzunluk (“üç cümle”), biçim (“madde işaretli liste”) ve hedef kitle (“lise öğrencisine anlatır gibi”) belirtmek çok daha iyi sonuç verir.
• Kaynak haklarını atlamak: Çıkarıcı özet, kaynak metnin cümlelerini neredeyse birebir taşıdığından izinsiz yayımlamada telif sorunu çıkarabilir.

Metni anlamak ile sınıflandırmak farklı görevlerdir; farkları görmek istersen Metin sınıflandırma dersine göz at. Özetlemenin sohbet içinde nasıl kullanıldığını merak ediyorsan Context window nedir? dersi, bazı sistemlerin eski sohbeti özetleyerek bağlam penceresinde yer açtığını gösterir.