Avrupa insan hakları mahkemesi yargı kararlarının tahmin edilmesi
Tezin Türü: Yüksek Lisans
Tezin Yürütüldüğü Kurum: Gazi Üniversitesi, Bilişim Enstitüsü, Adli Bilişim, Türkiye
Tezin Onay Tarihi: 2025
Tezin Dili: Türkçe
Öğrenci: NAGİHAN ÜNAL
Danışman: Oktay Yıldız
Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu
Özet:Son yıllarda makine öğrenmesi, doğal dil işleme ve büyük veri analitiği gibi teknolojilerdeki ilerlemeler, hukuki süreçlerin otomasyonuna yönelik çeşitli uygulamaların geliştirilmesini mümkün kılmıştır. Avrupa İnsan Hakları Mahkemesi kararlarının tahmin edilmesi, hukuki analizin derinleştirilmesi ve karar alma süreçlerinin hızlandırılması açısından önem arz etmektedir. Hukuki metinlerin kendine özgü terminolojisi ve karmaşık yapısı, bu metinlerin sistematik olarak işlenmesini zorunlu kılmaktadır. Bu bağlamda, doğal dil işleme teknikleri, hukuki belgelerin analiz edilmesini, sınıflandırılmasını ve anlamlandırılmasını sağlayarak yargı süreçlerine katkıda bulunmaktadır. Bu çalışmada, Avrupa İnsan Hakları Mahkemesi'nin Avrupa İnsan Hakları Sözleşmesi'nin çeşitli maddeleri çerçevesinde verdiği ihlal kararlarının tahmin edilmesine yönelik modeller geliştirilmiştir. Tahmin sürecinde, Avrupa İnsan Hakları Mahkemesi'nin resmi veri tabanıdan elde edilen dava metinleri kullanılarak bir veri seti oluşturulmuştur. Çalışmada, metin ön işleme teknikleri uygulanmış ve çeşitli makine öğrenmesi algoritmaları ile derin öğrenme modelleri kıyaslanmıştır. Veri setindeki sınıf dengesizliği problemi, dengelenmiş veri kümeleri ve veri artırma yöntemleriyle giderilmiş, bu doğrultuda azınlık sınıfına ait örneklerin temsil gücü artırılmıştır. Veri artırma sürecinde, geri çeviri yöntemi kullanılarak "ihlal" ve "ihlal değil" sınıflarına ait örnekler çoğaltılmış ve modellerin genelleme kapasitesi iyileştirilmiştir. Deneysel çalışmalar kapsamında, geleneksel makine öğrenmesi algoritmalarından Lojistik Regresyon, Multinomial Naive Bayes ve Destek Vektör Makineleri gibi yöntemlerin yanı sıra, hukuki alanda özelleşmiş derin öğrenme modeli de kullanılmıştır. Yapılan performans analizleri çeşitli metrikler üzerinden değerlendirilmiş olup, LegalBERT modelinin Avrupa İnsan Hakları Mahkemesi kararlarının sınıflandırılmasında %94 doğruluk ve %94 F1 skoru ile en yüksek başarı oranını sunduğu gözlemlenmiştir. Bu bulgular, doğal dil işleme ve makine öğrenmesi tekniklerinin hukuki metin analizi ve sınıflandırması için güçlü araçlar sunduğunu ortaya koymaktadır. Bu tez çalışması, hukuk alanında veri odaklı karar destek sistemlerinin geliştirilmesine yönelik önemli katkılar sunmaktadır. Özellikle, hukuki alan için özel olarak eğitilmiş derin öğrenme modellerinin, yargı süreçlerindeki belirsizlikleri azaltmada ve öngörülebilirliği artırmada kritik bir rol oynadığı görülmektedir. Bu doğrultuda, hukuki karar tahminine yönelik yapılan bu çalışma hem akademik hem de uygulamalı çalışmalar için yol gösterici nitelikte olup, gelecekte hukuki süreçlerin daha şeffaf ve erişilebilir hale gelmesine katkı sunabilecek bir temel oluşturmaktadır.