İçeriğe geçScholarGate
KütüphaneKitaplığımMasaReview StudioAsistan
Giriş
Bu sayfada
SezgiNasıl çalışırNe zaman kullanılırGüçlü yönler & sınırlılıklarYaygın tuzaklarUygulamalarSSS🔒 Tam yöntemi okuKaynaklarİlişkili yöntemler
Bu sayfaya atıf yapBu sayfada bir hata mı var? Bildir / düzeltme öner →
Ana sayfa›Metin madenciliği›Niyet Tespiti — Niyet Sınıflandırması
Process / pipeline

Niyet Tespiti — Niyet Sınıflandırması

Intent Detection (Intent Classification) · Ayrıca şöyle bilinir: intent classification, intent recognition, Niyet Tespiti (Intent Detection)

Niyet tespiti, bir kullanıcı ifadesinin amacını — rezervasyon yapma, bilgi isteme veya şikayette bulunma gibi — önceden tanımlanmış bir dizi niyet sınıfından birine sınıflandıran bir doğal dil anlama (NLU) görevidir. Larson ve diğerleri (2019) ve Casanueva ve diğerleri (2020) tarafından belirlenen ölçütlere dayanan, konuşma arayüzlerinin ve müşteri hizmetleri otomasyon sistemlerinin temel bir NLU bileşenidir.

ScholarGate
  1. Process / pipeline
  2. v1
  3. 2 Kaynaklar
  4. PUBLISHED
Bu sayfaya atıf yap →
Araçlar & kaynaklar
Slaytları indir
Öğren & keşfet

Tam yöntemi oku

Yalnızca üyeler

Bu bölümü okumak için ücretsiz hesapla giriş yapın.

Giriş yap

Yöntem haritası

İlişkili yöntemlerin komşuluğu — keşfetmek için bir düğüm seçin.

Niyet Tespiti
BERT Gömme VektörleriDuygu AnaliziSlot FillingMetin SınıflandırmasıDiyalog Eylemi Sınıfland…

Ne zaman kullanılır

Niyet tespiti, kullanıcı ifadesi metniniz ve tanımlanmış bir niyet sınıfı taksonominiz olduğunda, ayrıca öğrenmek için etiketlenmiş eğitim verileriniz olduğunda uygundur. Her mesajın bilinen bir hedefe yönlendirilmesi gereken konuşma arayüzleri ve müşteri hizmetleri otomasyonu için uygundur. Gözetimli bir görev olarak etiketlenmiş bir derlem (kaynaklar yaklaşık 30 örnek minimum belirler) ve sabit bir niyet şeması gerektirir; tanımlanmış bir taksonomi veya etiketler olmadan çalışamaz.

Güçlü yönler & sınırlılıklar

Güçlü yönler
  • Serbest biçimli kullanıcı ifadelerini, sonraki konuşma mantığının yönlendirebileceği tek, eyleme geçirilebilir bir niyet etiketine dönüştürür.
  • Önceden eğitilmiş dil modeli kodlayıcılarına doğrudan dayanır, bu nedenle sıfırdan eğitim olmadan güçlü bağlamsal temsiller mevcuttur.
  • Halka açık ölçütler ve standart metin sınıflandırma değerlendirmesi ile iyi desteklenir, bu da doğruluğun ölçülmesini ve karşılaştırılmasını kolaylaştırır.
Sınırlılıklar
  • Modellemeden önce üzerinde anlaşılmış açıkça tanımlanmış bir niyet taksonomisi gerektirir; belirsiz veya örtüşen sınıflar performansı düşürür.
  • Gözetimli bir yöntem olarak etiketlenmiş eğitim verilerine bağlıdır ve az örneği olan sınıflar zayıf öğrenilir.
  • Önceden tanımlanmış sınıflarla sınırlıdır — hiçbir niyete uymayan kapsam dışı ifadeler bilinen bir hata modudur.

SSS

Niyet tespiti genel metin sınıflandırmasından nasıl farklıdır?

Niyet tespiti, sınıfların bir ifadenin arkasındaki kullanıcı hedefleri (niyetler) olduğu, konular veya duygu durumları yerine özel bir metin sınıflandırma görevidir. Bir konuşma sisteminin anlama adımıdır: sistem harekete geçebilmesi için kullanıcının ne istediğini belirler.

Ne kadar etiketlenmiş veriye ihtiyacım var?

Bu gözetimli bir görevdir, bu nedenle her niyet için etiketlenmiş örnek ifadelere ihtiyacınız vardır. Kaynak, pratik bir minimum olarak yaklaşık 30 örnek belirler; güvenilir performans genellikle her sınıf için yeterli dengeli örnek gerektirir, böylece nadir niyetler eğitim verilerinden mahrum kalmaz.

Hiçbir niyete uymayan bir ifadeye ne olur?

Bu kapsam dışı sorundur. Standart bir sınıflandırıcı, kapsam dışı işleme tasarlanmadıkça onu en yakın tanımlanmış sınıfa zorlayacaktır — ki bu, Larson ve diğerleri (2019) değerlendirme veri kümesinin ölçmek için oluşturulduğu boşluktur.

Yuva doldurma ile birlikte çalışır mı?

Evet. Diyalog sistemlerinde niyet tespiti genellikle, niyetin gerektirdiği belirli değerleri (tarihler, yerler, isimler) çıkaran yuva doldurma ile birlikte çalışır. Birlikte NLU katmanını oluştururlar ve ortak modeller her ikisini de aynı anda öğrenebilir.

Kaynaklar

  1. Larson, S. et al. (2019). An Evaluation Dataset for Intent Classification and Out-of-Scope Prediction. EMNLP. DOI: 10.18653/v1/D19-1131 ↗
  2. Casanueva, I. et al. (2020). Efficient Intent Detection with Dual Sentence Encoders. ACL Workshop on NLP for Conversational AI. DOI: 10.18653/v1/2020.nlp4convai-1.5 ↗

Bu sayfayı kaynak gösterin

ScholarGate. (2026, June 1). Intent Detection (Intent Classification). ScholarGate. https://scholargate.app/tr/text-mining/intent-detection

İlişkili yöntemler

BERT Gömme VektörleriDuygu AnaliziSlot FillingMetin Sınıflandırması

Hangi yöntem?

Bu yöntemi en yakın akrabalarının yanına koyup yan yana okuyun — kütüphane kitapları masaya serer; seçim sizindir.

  • BERT Gömme VektörleriMetin madenciliği↔ karşılaştır
  • Duygu AnaliziMetin madenciliği↔ karşılaştır
  • Slot FillingMetin madenciliği↔ karşılaştır
  • Metin SınıflandırmasıMetin madenciliği↔ karşılaştır
Yan yana karşılaştır →

Bu yönteme atıf yapanlar

Diyalog Eylemi SınıflandırmasıSlot Filling

Benzer yöntemler

Diyalog Eylemi SınıflandırmasıMetin SınıflandırmasıDuygu AnaliziDil Tanımlama (LID)Slot FillingVarlıklar Arası Anlamsal İlişkilerle İlişki ÇıkarımıÖznellik TespitiAdlandırılmış Varlık Tanıma (AVT)

İlgili referans kavramlar

Doğal Dil İşlemeMetin SınıflandırmasıBilgi ÇıkarımıMetin Sınıflandırması ve Duygu AnaliziBilgi ÇıkarımıSoru Cevaplama ve Diyalog Sistemleri

Bu sayfada bir hata mı var? Bildir / düzeltme öner →

ScholarGate — Intent Detection (Intent Detection (Intent Classification)). 2026-07-21 tarihinde şu adresten erişildi: https://scholargate.app/tr/text-mining/intent-detection · Veri seti: https://doi.org/10.5281/zenodo.20539026
Hızlı bilgiler
Type
NLP / NLU text-classification task
Role
Core natural-language-understanding component of conversational interfaces
Input
User utterance (free-form text)
Output
Predicted intent label from a defined taxonomy
MinSample
30
İlişkili yöntemler
BERT Gömme VektörleriDuygu AnaliziSlot FillingMetin Sınıflandırması
ScholarGate

Araştırma yöntemleri için içerik öncelikli bir referans kütüphanesi — her yöntemin ne olduğu, nasıl çalıştığı ve nereden geldiği.

Açık veri (CC-BY)

Keşfet

  • Kütüphane
  • Yöntemlerde ara…
  • Alanlara göre gez
  • Alanlar
  • Yolculuk
  • Karşılaştır
  • Hangi yöntem?

Başvuru

  • Konular
  • Atlas
  • Sözlük
  • Metodoloji
  • Felsefe

Çalışma alanı

  • Kitaplığım
  • Masa
  • Sohbet

Şirket

  • Hakkımızda
  • Fiyatlandırma
  • İletişim
  • Yöntem öner

Kayıtlar, başvuru amacıyla yayımlanmış kaynaklardan derlenmiştir. Herhangi bir bilginin doğruluğunu ve kendi kullanımınıza uygunluğunu denetlemek sizin sorumluluğunuzdadır.

© 2026 ScholarGate · Araştırma yöntemleri referans kütüphanesi
  • Gizlilik
  • Çerezler
  • Koşullar
  • Hesabı sil