Artımlı metin kümeleme

İnsanoğlu doğası gereği nesneleri gruplandırmaya yatkın bir varlıktır. Örneğin yaşadığımız evler odalara ayrılmıştır. Evlerin odaları, eşyaların özelliklerine ve odaların kullanım amaçlarına uygun şekilde benzerlikler bulunarak dizayn edilir. Tabaklar mutfağa yerleştirilirken, havlular banyoya yerleştirilir. Hatta tabaklar bile renk, boyut veya kullanım amacına göre gruplandırılabilir. Bunlar dışında bilgisayarlarda bulunan dosyalar konularına göre veya gelen e-postalar gönderen kişisine göre kümelenebilir. Tüm bunlara bakıldığında kümeleme tekniğinin önemi göz ardı edilemezdir. Gelişen teknolojiyle birlikte, büyüyen veritabanları ve veritabanlarında biriken verilerin büyük bir çoğunluğunun metin veri olduğu dikkate alındığında metin kümeleme probleminin önemide göze çarpmaktadır. Bu tez çalışmasında, dökümanları benzerliklerine göre gruplandıran metin kümeleme algoritmaları incelenmiştir. Klasik şekilde, dokümanlar önişlemden geçirilir, vektörler ile gösterilir ve ardından kümeleme işlemi yapılır. Tez çalışması boyunca kümeleme işlemi için artımlı k-means algoritması kullanılmıştır. Bu klasik yönteme ek olarak üç farklı yöntem tasarlanmış ve tasarlanan yöntemler Java ve C programlama dillerinde programlanmıştır. İki veri seti üzerinde hesaplama denemeleri yapılmış ve tasarlanan yöntemlerin, klasik yöntemekıyasla daha iyi sonuç verebildiği gösterilmiştir.

Mankind is a being that tend to grouping objects. For example, the houses we live in are seperated by rooms. Rooms of houses are designed finding similarity according to properties of objects and use of rooms. While dishes are placed in kitchen, towels are placed in bathroom. Dishes can be even grouping in terms of topics of them, or incoming e-mails can be clustered in terms of senders.When taking into account all of these, signifinance of clustering method is non-negligible. With developing technology, when taking into account growing databases and considering that most of cumulative data in databases are text data, importance of text clustering problem draws the attention. In this thesis study, text clustering algorithms that group documents in terms of similarity are investigated. Classically, documents are preprocessed represented by vectors and then clustering process is made. Incremenal k-means algorithm is used for clustering operation through thesis study. Apart from the classic method, three different methods are proposed and proposed methods are programmed in Java and C programming language. Calculation experiments are made on two data sets and it is demonstrated thar proposed methods can beter yield results compared with classic method.