Outlier Detection (Editöryel Yardım Alt-Domaini)

Editöryel Yardım şemsiyesi altında etiket / içerik anomali tespiti alt-domaini. Üst sayfa: ../README.md.

1. Amaç

Tez koleksiyonundaki anomali kayıtları (yanlış etiketli, içerikten kopuk, küme dışı kalmış kayıtlar) otomatik olarak tespit etmek; insan inceleme kuyruğunu daraltarak veri kalitesini sürdürülebilir kılmak.

2. Problem Tanımı

198 konu etiketi insan elinden çıktığı için kaçınılmaz hatalar barındırır:

Yanlış etiket: Yapay zeka tezi "Tarih" olarak işaretlenmiş.
Eksik etiket: Disiplinlerarası tezde ikinci konu atlanmış.
Yazım/duplike etiket: "Healtcare Management" ile "Healthcare Management" iki ayrı etiket olarak görünüyor.
İçerik kopuğu: Özet, etiket dağılımına benzemiyor.

50.000 kaydı elle taramak mümkün değil → şüphe sinyali üreten otomatik bir katman gerekir.

3. Kapsam ve Kapsam Dışı

Kapsam: Embedding tabanlı anomali tespiti, etiket-merkezli outlier sinyalleri, kümeleme tabanlı noise tespiti, sıralı insan inceleme kuyruğu.
Kapsam dışı: Otomatik etiket düzeltmesinin onaysız üretime alınması; yeni etiket sözlüğünün baştan tasarımı.

4. İki Tamamlayıcı Yaklaşım

Yaklaşım	Mantık	Güçlü Yönü	Zayıf Yönü
Kümeleme tabanlı (HDBSCAN)	Yoğunluk noise'u → outlier	Etiket bilgisi gerektirmez	Multi-label kayıtlarda gürültü yapar
Etiket merkezli (centroid)	Etiket centroid'inden uzaklık	Multi-label uyumlu, açıklanabilir	Mevcut etiketlere bağımlı

İkisinin birleşimi en güvenilir sinyali verir: HDBSCAN noise + yüksek combined_z skoru → kuvvetli inceleme adayı.

5. Alt Sayfalar

Kümeleme HDBSCAN — yoğunluk tabanlı outlier
Etiket Kalite Kontrol — centroid tabanlı şüphe sinyali

6. Deneyler ve Bulgular

Deney	Karar Kartı	Detay
HDBSCAN v3–v8	`30_Deneyler/01_HDBSCAN-Kumeleme.md`	`30_Deneyler/HDBSCAN-Detaylar/`
Etiket Kalite v1 (sabit eşik)	`30_Deneyler/02_Etiket-Kalite-v1-Sabit-Esik.md`	`30_Deneyler/Etiket-Kalite-Detaylar/v1.md`
Etiket Kalite v2 (percentile)	`30_Deneyler/03_Etiket-Kalite-v2-Percentile.md`	`30_Deneyler/Etiket-Kalite-Detaylar/v2.md`

7. Mevcut Durum

Aktif. v2 etiket kalite çalışması üretim için kullanılabilir seviyeye geldi; HDBSCAN parametreleri v8'de stabilize edildi.

8. Sonraki Adımlar

HDBSCAN noise + centroid MUTLAKA_INCELE kesişimini tek skora indirgemek.
100 örneklik manuel doğrulamayla precision ölçümü.
Etiket-içi alt kümeleme (büyük etiketlerde sub-centroid).

9. İlgili Sayfalar

../Metadata-Extraction/ — kardeş alt-domain (yapısal metadata çıkarımı)
../Duplike-Eslesme/ — kardeş alt-domain (CleanLab + Metadata Matching)
30_Deneyler/ — özet kartlar
40_Yontemler/ — kullanılan metrikler