Natural Language Understanding (NLU) (Doğal Dil Anlama)

compare_arrows NLP ile NLU Arasındaki Fark

NLP (Doğal Dil İşleme) genel bir şemsiyedir; kelimelerin bölünmesi, fiillerin çekimi, dilbilgisi kuralları ile ilgilenir. NLU ise anlamın kendisidir. Örneğin 'Banka doğru yürüdü' cümlesindeki bankanın finansal kurum mu yoksa parktaki oturak mı olduğunu (bağlamdan) sadece NLU çözebilir. Kelime oyunları, mecaz anlamlar ve sesteş kelimeler NLU'nun çözmesi gereken problemlerdir.

NLU Kullanım Alanları

NLU Görevleri ve Teknikler

• check_circle Niyet Tanıma (Intent Detection): Kullanıcının ifadesindeki amacı sınıflandırır: 'Yarın hava nasıl olacak?' → hava_durumu_sorgulama niyeti. Diyalog sistemleri ve sesli asistanlarda merkezi NLU görevi.
• check_circle Varlık Çıkarma (Named Entity Recognition): Cümleden kişi, yer, tarih, ürün gibi varlıkları tespit eder. 'Ankara'ya bilet istiyorum' cümlesinden [LOC: Ankara] varlığını çıkarmak, rezervasyon sisteminin bilet sorgusunu doğru yapması için gereklidir.
• check_circle Duygu Analizi (Sentiment Analysis): Metnin duygusal tonunu (olumlu, olumsuz, nötr) veya duygusal yönelimini sınıflandırır. Ürün yorumu analizi, sosyal medya izleme ve müşteri geri bildirimi değerlendirmede kullanılır.
• check_circle Anlam Temsili: Embedding ve Transformer: BERT gibi transformer modelleri bağlamsal kelime gömüleri (contextual embeddings) üretir; 'bank' kelimesi 'nehir kıyısı' veya 'banka' bağlamına göre farklı vektöre sahip olur. Bu temsil NLU görevlerinde transfer öğrenmesi ile ince ayar (fine-tuning) için temel oluşturur.

NLU, Diyalog Sistemleri ve Chatbotlar

Konuşma tabanlı sistemlerin (conversational AI) kalbinde NLU yatar. Bir diyalog sistemi şu adımlarla çalışır: 1) Konuşmadan metne (ASR): kullanıcı sesi yazıya çevrilir. 2) NLU: niyet ve varlıklar tespit edilir. 3) Diyalog yönetimi: konuşma bağlamı takip edilir, yanıt stratejisi belirlenir. 4) Doğal dil üretimi (NLG): yanıt metni oluşturulur. 5) Metinden konuşmaya (TTS): yanıt seslendirilir. LLM tabanlı sistemlerde NLU ve NLG tek bir transformer modelde birleşir; bu katmanlı mimarinin yerini giderek uçtan uca (end-to-end) yaklaşım alıyor. Yine de nüanslı niyet tanıma ve varlık çıkarmanın ayrı NLU modülleriyle yapıldığı sistemler kurumsal uygulamalarda kontrol edilebilirlik nedeniyle hâlâ tercih ediliyor.

Sıkça Sorulan Sorular

• check_circle NLU nedir?: NLU (Natural Language Understanding / Doğal Dil Anlama), insan dilindeki metni veya konuşmayı makine tarafından anlaşılır anlam yapısına dönüştüren NLP alt alanıdır. Niyet tanıma, varlık çıkarma ve duygu analizi başlıca NLU görevleridir.
• check_circle NLU ile NLG arasındaki fark nedir?: NLU metni anlamlandırır (dil girdi → anlam). NLG anlam veya veriden metin üretir (anlam → dil çıktı). Sohbet botları her ikisini birleştirir: NLU ile kullanıcı ne istedi anlaşılır, NLG ile yanıt metni oluşturulur.
• check_circle BERT NLU için neden önemlidir?: BERT (Bidirectional Encoder Representations from Transformers), metnin sol ve sağ bağlamını aynı anda işleyerek bağlamsal kelime temsilleri üretir. Bu temsiller niyet sınıflandırma, NER, soru-cevap ve duygu analizi gibi NLU görevlerinde ince ayar yapılarak büyük performans artışı sağlar. BERT'ten önce bu görevler için ayrı ayrı modeller geliştirilirdi.
• check_circle NLU ile kural tabanlı sistemler arasındaki fark nedir?: Kural tabanlı NLU, yazılı regex ve anahtar kelime eşleşmelerine dayalı çalışır; hızlı ve deterministik, ancak yeni ifade biçimlerinde başarısız olur. ML tabanlı NLU ise eğitim verisinden genelleme yapar; değişken dil kullanımını ve yazım hatalarını tolere eder. Modern sistemler genellikle ikisini birleştirerek hassasiyet ve esneklik dengesi kurar.