Editöryel Yardım (Şemsiye Domain)

Şemsiye domain. TR Dizin / Ulusal Tez Merkezi gibi platformlardaki editör ve operatörlerin manuel iş yükünü azaltan tüm otomatik destek araçlarını kapsar.

1. Amaç

Editöryel ekibin manuel kontrol, etiketleme ve eşleştirme iş yükünü azaltmak; otomatik adımları insan onay kuyruğuna bağlamak. Hedef: kalite ve hızı birlikte artırmak.

2. Kapsam

Editöryel Yardım üç tamamlayıcı alt-domain'den oluşur:

Alt-Domain	Sorduğu Soru	Ana Yöntem
Metadata Extraction	"Bu metinden hangi yapısal alanlar (başlık, yazar, referans...) çıkar?"	Qwen2.5-14B fine-tune (LLM) + embedding centroid sınıflandırma
Outlier Detection	"Bu kayıt etiketine uyuyor mu? Anomali var mı?"	HDBSCAN noise + etiket-centroid uzaklık
Duplike Eşleşme	"İki etiket / yazar / kayıt aynı kanonik öğeye mi denk geliyor?"	CleanLab + Levenshtein + Embedding hibrit

Üçü birlikte uçtan uca editör desteği sağlar:

Ham metin (PDF/markdown)
   |
   v
[Metadata Extraction]   <- yapisal alanlari uret
   |
   v
[Duplike Eslesme]       <- etiket / yazar / kurum kanonik forma indir
   |
   v
[Outlier Detection]     <- supheli kayitlari editore yonlendir
   |
   v
Editor paneli (kabul / reddet / duzeltme)

3. Kapsam Dışı

Tam otomatik onaysız metadata güncellemesi (her adım sonu insan onayı).
Yeni etiket sözlüğünün baştan tasarımı (mevcut sözlük temizlenir, sıfırdan kurulmaz).
Son kullanıcıya yönelik akışlar (Anlamsal Arama, YZ Asistanları) — onlar ayrı domain.

4. Yöntemler ve Yaklaşımlar (Özet)

Embedding tabanlı sınıflandırma (centroid kıyaslaması) — konu ataması.
LLM tabanlı yapısal çıkarım (Qwen2.5-14B fine-tune) — referans, başlık, yazar, DOI.
Embedding + metin benzerliği hibrit — duplike sözlük temizliği.
CleanLab (confident learning) — etiket hatası ve outlier tespiti.
Şüphe sinyali sıralaması — MUTLAKA_INCELE, ETIKET_DEGISIKLIK_ONERISI gibi aksiyon kategorileri.

5. Deneyler ve Bulgular

Deney	Karar Kartı	Detay Rapor	Alt-Domain
HDBSCAN v3–v8	`30_Deneyler/01_HDBSCAN-Kumeleme.md`	`30_Deneyler/HDBSCAN-Detaylar/`	Outlier Detection
Etiket Kalite v1 (sabit eşik)	`30_Deneyler/02_Etiket-Kalite-v1-Sabit-Esik.md`	`30_Deneyler/Etiket-Kalite-Detaylar/v1.md`	Outlier Detection
Etiket Kalite v2 (percentile)	`30_Deneyler/03_Etiket-Kalite-v2-Percentile.md`	`30_Deneyler/Etiket-Kalite-Detaylar/v2.md`	Outlier Detection
CleanLab Feature-Only	`30_Deneyler/04_CleanLab-Feature-Only.md`	`30_Deneyler/CleanLab-Detaylar/Deney1.md`	Duplike Eşleşme
Qwen2.5-14B Metadata Extraction	`30_Deneyler/05_Qwen-Metadata-Extraction.md`	`30_Deneyler/Qwen-Detaylar/Rapor-v1.md`	Metadata Extraction

6. Mevcut Durum

Aktif. Pipeline her üç alt-domain'de de işlevsel:

Metadata Extraction: Qwen2.5-14B fine-tune production'a aday (JSON %98, ref F1 0.84, 6.5 sn/örnek).
Outlier Detection: v2 etiket kalite üretim için kullanılabilir (4 CSV + 1 JSON editör paneline besleme hazır), HDBSCAN v8'de stabilize.
Duplike Eşleşme: CleanLab Deney 1 ile 22 birleştirme önerisi → 12.883 kayıtta uygulandı; Deney 2 (pred_probs ile) kuyruğa alındı.

7. Sonraki Adımlar

Editör paneli için minimal UI: kabul / reddet / birleştir akışı (üç alt-domain'in çıktısını birleştirir).
200 örneklik altın etiketli set ile precision/recall ölçümü (insan uzlaşı verisi).
Centroid + CleanLab kesişiminde "yüksek güven" kuyruğu üretmek.
Qwen modelinde parse hatalarını sıfıra indirme + DOI/Page teşhis raporu.
Chunked reference extraction (200+ refli makaleler için).

8. İlgili Sayfalar

./Metadata-Extraction/ — alt-domain
./Outlier-Detection/ — alt-domain
./Duplike-Eslesme/ — alt-domain
../Anlamsal-Arama/ — aynı embedding altyapısı (kuzen domain)
../Atif-Zekasi/ — referans çıkarımının doğrudan tüketicisi
../Bilgi-Aglari/ — yapısal metadata graph beslemesi
../../40_Yontemler/ — kullanılan metrikler ve yöntemler