Zamansal bağlamsal konu tahmini ve kontrollü yanıt getirme ile diyalog sistemlerinin geliştirilmesi

---

Tezin Türü: Doktora

Tezin Yürütüldüğü Kurum: Orta Doğu Teknik Üniversitesi, Fen Bilimleri Enstitüsü, BİLGİSAYAR MÜHENDİSLİĞİ ANABİLİM DALI, Türkiye

Tezin Onay Tarihi: 2026

Tezin Dili: İngilizce

Öğrenci: EMRE KÜLAH

Danışman: HANDE ALEMDAR

Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu

Özet:

Büyük dil modelleri (LLM'ler) tarafından desteklenen diyalog sistemleri güçlü üretim yetenekleri sergilese de gayriresmî dil kullanımı, uzun vadeli tutarlılık ve uzman odaklı konuşmalarda bağlama dayalı yanıt üretimi konularında sıklıkla zorluk yaşamaktadır. Bu tez, bu zorlukları ele almak amacıyla birbirini tamamlayan üç yöntem sunmaktadır. İlk olarak, diyalog konularının zaman içindeki seyrini zaman serileri olarak modelleyen ve konuşmalar arası Gaussian Karışım Modeli (GMM) tabanlı benzerlikten yararlanarak gelecekteki konu dağılımlarını tahmin eden yeni bir zamansal öngörü çerçevesi tanıtılmaktadır; bu yaklaşım hem alan odaklı hem de açık alan senaryolarında yorumlanabilir ve doğru tahminler sunmaktadır. Gürültülü kullanıcı girdileri altında konu modellemeyi geliştirmek için yazım hataları, argo ve kısaltmalardan etkilenen mesajları normalize eden görevden bağımsız bir standartlaştırma hattı olan SALDIRAY geliştirilmiş ve duygu analizi ile konu etiketleme gibi aşağı akış NLP görevlerinde performansın iyileştirilmesini sağlamıştır. Son olarak, RAP (Retrieval-Augmented Paraphrasing) adı verilen, geçmişteki benzer yanıtları getirip bunları mevcut bağlama uygun biçimde LLM'ler aracılığıyla yeniden ifade eden getirme tabanlı bir üretim yöntemi önerilmiş, böylece stil uyumu ve alaka düzeyi korunurken halüsinasyonlar önemli ölçüde azaltılmıştır. Bu yöntemler birlikte ele alındığında, konuşma ajanlarının dayanıklılığını, öngörü yeteneğini ve olgusal temellendirmesini güçlendirerek LLM tabanlı diyalog sistemlerinin gerçek dünya uygulamalarındaki güvenilirliğini ileriye taşımaktadır.