Spaces:
Build error
Build error
File size: 54,056 Bytes
8e61200 cba6b49 8e61200 fa8e9f4 cba6b49 fa8e9f4 8e61200 fa8e9f4 8e61200 fa8e9f4 8e61200 fa8e9f4 8e61200 fa8e9f4 8e61200 fa8e9f4 8e61200 fa8e9f4 8e61200 fa8e9f4 8e61200 cba6b49 8e61200 cba6b49 8e61200 cba6b49 8e61200 fa8e9f4 8e61200 fa8e9f4 8e61200 fa8e9f4 8e61200 fa8e9f4 8e61200 fa8e9f4 8e61200 fa8e9f4 8e61200 fa8e9f4 cba6b49 fa8e9f4 cba6b49 fa8e9f4 cba6b49 fa8e9f4 cba6b49 fa8e9f4 cba6b49 fa8e9f4 cba6b49 fa8e9f4 cba6b49 fa8e9f4 cba6b49 fa8e9f4 cba6b49 fa8e9f4 cba6b49 fa8e9f4 cba6b49 fa8e9f4 cba6b49 8e61200 fa8e9f4 cba6b49 fa8e9f4 cba6b49 fa8e9f4 cba6b49 fa8e9f4 cba6b49 fa8e9f4 cba6b49 fa8e9f4 cba6b49 8e61200 fa8e9f4 8e61200 fa8e9f4 8e61200 fa8e9f4 8e61200 fa8e9f4 8e61200 fa8e9f4 8e61200 fa8e9f4 8e61200 cba6b49 8e61200 cba6b49 8e61200 fa8e9f4 8e61200 fa8e9f4 8e61200 fa8e9f4 8e61200 fa8e9f4 8e61200 fa8e9f4 8e61200 fa8e9f4 8e61200 cba6b49 8e61200 cba6b49 8e61200 |
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179 180 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197 198 199 200 201 202 203 204 205 206 207 208 209 210 211 212 213 214 215 216 217 218 219 220 221 222 223 224 225 226 227 228 229 230 231 232 233 234 235 236 237 238 239 240 241 242 243 244 245 246 247 248 249 250 251 252 253 254 255 256 257 258 259 260 261 262 263 264 265 266 267 268 269 270 271 272 273 274 275 276 277 278 279 280 281 282 283 284 285 286 287 288 289 290 291 292 293 294 295 296 297 298 299 300 301 302 303 304 305 306 307 308 309 310 311 312 313 314 315 316 317 318 319 320 321 322 323 324 325 326 327 328 329 330 331 332 333 334 335 336 337 338 339 340 341 342 343 344 345 346 347 348 349 350 351 352 353 354 355 356 357 358 359 360 361 362 363 364 365 366 367 368 369 370 371 372 373 374 375 376 377 378 379 380 381 382 383 384 385 386 387 388 389 390 391 392 393 394 395 396 397 398 399 400 401 402 403 404 405 406 407 408 409 410 411 412 413 414 415 416 417 418 419 420 421 422 423 424 425 426 427 428 429 430 431 432 433 434 435 436 437 438 439 440 441 442 443 444 445 446 447 448 449 450 451 452 453 454 455 456 457 458 459 460 461 462 463 464 465 466 467 468 469 470 471 472 473 474 475 476 477 478 479 480 481 482 483 484 485 486 487 488 489 490 491 492 493 494 495 496 497 498 499 500 501 502 503 504 505 506 507 508 509 510 511 512 513 514 515 516 517 518 519 520 521 522 523 524 525 526 527 528 529 530 531 532 533 534 535 536 537 538 539 540 541 542 543 544 545 546 547 548 549 550 551 552 553 554 555 556 557 558 559 560 561 562 563 564 565 566 567 568 569 570 571 572 573 574 575 576 577 578 579 580 581 582 583 584 585 586 587 588 589 590 591 592 593 594 595 596 597 598 599 600 601 602 603 604 605 606 607 608 609 610 611 612 613 614 615 616 617 618 619 620 621 622 623 624 625 626 627 628 629 630 631 632 633 634 635 636 637 638 639 640 641 642 643 644 645 646 647 648 649 650 651 652 653 654 655 656 657 658 659 660 661 662 663 664 665 666 667 668 669 670 671 672 673 674 675 676 677 678 679 680 681 682 683 684 685 686 687 688 689 690 691 692 693 694 695 696 697 698 699 700 701 702 703 704 705 706 707 708 709 710 711 712 713 714 715 716 717 718 719 720 721 722 723 724 725 726 727 728 729 730 731 732 733 734 735 736 737 738 739 740 741 742 743 744 745 746 747 748 749 750 751 752 753 754 755 756 757 758 759 760 761 762 763 764 765 766 767 768 769 770 771 772 773 774 775 776 777 778 779 780 781 782 783 784 785 786 787 788 789 790 791 792 793 794 795 796 797 798 799 800 801 802 803 804 805 806 807 808 809 810 811 812 813 814 815 816 817 818 819 820 821 822 823 824 825 826 827 828 829 830 831 832 833 834 835 836 837 838 839 840 841 842 843 844 845 846 847 848 849 850 851 852 853 854 855 856 857 858 859 860 861 862 863 864 865 866 867 868 869 870 871 872 873 874 875 876 877 878 879 880 881 882 883 884 885 886 887 888 889 890 891 892 893 894 895 896 897 898 899 900 901 902 903 904 905 906 907 908 909 910 911 912 913 914 915 916 917 918 919 920 921 922 923 924 925 926 927 928 929 930 931 932 933 934 935 936 937 938 939 940 941 942 943 944 945 946 947 948 949 950 951 952 953 954 955 956 957 958 959 960 961 962 963 964 965 966 967 968 969 970 971 972 973 974 975 976 977 978 979 980 981 982 983 984 985 986 987 988 989 990 991 992 993 994 995 996 997 998 999 1000 1001 1002 1003 1004 1005 1006 1007 1008 1009 1010 1011 1012 1013 1014 1015 1016 1017 1018 1019 1020 1021 1022 1023 1024 1025 1026 1027 1028 1029 1030 1031 1032 1033 1034 1035 1036 1037 1038 1039 1040 1041 1042 1043 1044 1045 1046 1047 1048 1049 1050 1051 1052 1053 1054 1055 1056 1057 1058 1059 1060 1061 1062 1063 1064 1065 1066 1067 1068 1069 1070 1071 1072 1073 1074 1075 1076 1077 1078 1079 1080 1081 1082 1083 1084 1085 1086 1087 1088 1089 1090 1091 1092 1093 1094 1095 1096 1097 |
{
"cells": [
{
"cell_type": "markdown",
"metadata": {},
"source": [
"Kütüphane"
]
},
{
"cell_type": "code",
"execution_count": 1,
"metadata": {},
"outputs": [],
"source": [
"from datasets import load_dataset\n",
"import pandas as pd \n",
"from pymongo import MongoClient\n",
"from transformers import BertTokenizer, BertForMaskedLM, DPRContextEncoderTokenizer,DPRContextEncoder;\n",
"from sklearn.feature_extraction.text import TfidfVectorizer\n",
"import numpy as np\n",
"import re\n",
"import pandas as pd\n",
"from nltk.stem import WordNetLemmatizer\n",
"from nltk.corpus import stopwords as nltk_stopwords\n",
"from transformers import BertTokenizer, BertModel\n",
"from sklearn.metrics.pairwise import cosine_similarity\n",
"import torch\n",
"from pymongo import MongoClient\n",
"import torch.nn.functional as F\n",
"\n"
]
},
{
"cell_type": "markdown",
"metadata": {},
"source": [
"Turkish stop wordslerin tanımlanması"
]
},
{
"cell_type": "code",
"execution_count": 2,
"metadata": {},
"outputs": [],
"source": [
"\"\"\"\"\"\"\n",
"#- burada turkish_stop_words'ü alıyoruz\n",
"def load_stop_words(file_path, existing_stop_words='gereksiz_kelimeler.txt'):\n",
" \"\"\"Stop words'leri dosyadan okuyarak bir liste oluşturur. \n",
" Mevcut stop words'ler varsa bunları dikkate alır.\"\"\"\n",
" \n",
" if existing_stop_words is None:\n",
" existing_stop_words = set()\n",
" else:\n",
" existing_stop_words = set(existing_stop_words)\n",
" \n",
" with open(file_path, 'r', encoding='utf-8') as file:\n",
" for line in file:\n",
" word = line.strip()\n",
" if word and word not in existing_stop_words:\n",
" existing_stop_words.add(word)\n",
" \n",
" return list(existing_stop_words)\n",
"\n",
"# Mevcut stop words'leri kontrol ederek Türkçe stop words dosyasını yükleyin\n",
"stop_words_list = load_stop_words('gereksiz_kelimeler.txt')\n",
"\n",
"#----------------------------------------------------------------------------------------------------"
]
},
{
"cell_type": "markdown",
"metadata": {},
"source": [
"MongoDb'deki combined_text koleksiyonunun verilerini csv ye çekme "
]
},
{
"cell_type": "code",
"execution_count": null,
"metadata": {},
"outputs": [],
"source": [
"#mongodb üzerinden combined_textleri çek\n",
"import csv\n",
"from pymongo import MongoClient\n",
"\n",
"def mongo_db_combined_texts_to_csv(database_name='combined_text', collection_name='text', host='localhost', port=27017,batch_size=100,output_file='combined_texts.csv'):\n",
" client = MongoClient(f'mongodb://{host}:{port}/')\n",
" db = client[database_name]\n",
" collection = db[collection_name]\n",
" \n",
" #toplam döküman sayısını al\n",
" total_documents = collection.count_documents({})\n",
" #batch_documents = []\n",
"\n",
" # CSV dosyasını aç ve yazmaya hazırla\n",
" with open(output_file, mode='w', newline='', encoding='utf-8') as file:\n",
" writer = csv.writer(file)\n",
" writer.writerow([\"combined\"]) # CSV başlığı\n",
"\n",
" # Belirtilen batch_size kadar dökümanları almak için döngü\n",
" for i in range(0, total_documents, batch_size):\n",
" cursor = collection.find({}, {\"combined\":1, \"_id\": 0}).skip(i).limit(batch_size)\n",
" combined_texts = [doc['combined'] for doc in cursor if 'combined' in doc] #combined sütununa ilişkin verileri çeker \n",
"\n",
" # Batch verilerini CSV'ye yaz\n",
" with open(output_file, mode='a', newline='', encoding='utf-8') as file:\n",
" writer = csv.writer(file)\n",
" \n",
" for text in combined_texts:\n",
" writer.writerow([text])\n",
" \n",
" \n",
"\n",
" print(f\"combined metinler '{output_file}' dosyasına başarıyla yazıldı.\")\n",
"\n",
"# Dökümanları CSV dosyasına yazdır\n",
"text=mongo_db_combined_texts_to_csv(batch_size=100)\n",
" #batch_documents.extend((combined_texts, len(combined_texts)))\n",
" #append fonksiyonu listenin içerisine tek bir eleman gibi ekler yani list1 = [1, 2, 3, [4, 5]]\n",
" #fakat extend fonksiyonu list1 = [1, 2, 3, 4, 5] bir listeye yeni bir liste eklemeyi teker teker gerçekleştirir.\n",
" #return batch_documents\n",
"\n",
"# Dökümanları ve döküman sayısını batch olarak çekin\n",
"#combined_texts = mongo_db_combined_texts(batch_size=1000)\n",
"\n",
"# Her batch'i ayrı ayrı işleyebilirsiniz\n",
"#print(f\"Toplam döküman sayısı:{len(combined_texts)}\")\n",
"\n",
"#for index, text in enumerate (combined_texts[:10]):\n",
" #print(f\"Döküman {index + 1}: {text}\")\n",
"\n",
"#print(combined_texts)\n",
"\n",
" "
]
},
{
"cell_type": "markdown",
"metadata": {},
"source": [
"Metinleri Kısaltma Fonksiyonu (processed_data kaydetme)"
]
},
{
"cell_type": "code",
"execution_count": null,
"metadata": {},
"outputs": [],
"source": [
"import csv\n",
"from pymongo import MongoClient\n",
"import pandas as pd\n",
"\n",
"def fetch_from_database(database_name='combined_text', collection_name='text', host='localhost', port=27017, batch_size=100):\n",
" client = MongoClient(f'mongodb://{host}:{port}/')\n",
" db = client[database_name]\n",
" collection = db[collection_name]\n",
" \n",
" # Toplam döküman sayısını al\n",
" total_documents = collection.count_documents({})\n",
" combined_texts = []\n",
"\n",
" # Belirtilen batch_size kadar dökümanları almak için döngü\n",
" for i in range(0, total_documents, batch_size):\n",
" cursor = collection.find({}, {\"combined\": 1, \"_id\": 0}).skip(i).limit(batch_size)\n",
" combined_texts.extend([doc['combined'] for doc in cursor if 'combined' in doc]) # combined sütununa ilişkin verileri çeker \n",
"\n",
" return combined_texts\n",
"\n",
"# Metinleri kısaltma fonksiyonu\n",
"def truncate_text(text, max_words=300):\n",
" words = text.split() # Metni kelimelere böler\n",
" return ' '.join(words[:max_words]) # İlk max_words kadar kelimeyi alır\n",
"\n",
"# Veritabanından veri çekme ve kısaltma\n",
"def fetch_and_truncate_data(database_name, collection_name, host, port, max_words=300):\n",
" # Veritabanından veri çekme\n",
" combined_texts = fetch_from_database(database_name, collection_name, host, port)\n",
" \n",
" # Metinleri kısaltma\n",
" truncated_texts = [truncate_text(text, max_words) for text in combined_texts]\n",
" \n",
" return truncated_texts\n",
"\n",
"# Kısaltılmış veriyi CSV'ye kaydetme\n",
"def save_to_csv(data, file_path):\n",
" df = pd.DataFrame(data, columns=['combined'])\n",
" df.to_csv(file_path, encoding='utf-8', index=False)\n",
"\n",
"# Doğru değişken tanımlamaları\n",
"database_name = 'combined_text'\n",
"collection_name = 'text'\n",
"host = 'localhost'\n",
"port = 27017\n",
"batch_size = 100\n",
"max_words = 300\n",
"output_file = 'processed_data.csv'\n",
"\n",
"# Veriyi çekme ve işleme\n",
"truncated_texts = fetch_and_truncate_data(database_name, collection_name, host, port, max_words)\n",
"save_to_csv(truncated_texts, output_file)\n"
]
},
{
"cell_type": "markdown",
"metadata": {},
"source": [
"Tf-Idf ile keywordsleri alma "
]
},
{
"cell_type": "code",
"execution_count": 9,
"metadata": {},
"outputs": [
{
"name": "stdout",
"output_type": "stream",
"text": [
" 0 1 2 3 4 5 \\\n",
"0 1992 Hitachi Football League 6 0 \n",
"1 6 0 None None \n",
"2 1993 rowspan=\"\"3\"\" Kashiwa Reysol rowspan=\"\"2\"\" Football League \n",
"3 1994 0 0 0 0 \n",
"4 1995 J1 League 17 1 2 \n",
"\n",
" 6 7 8 9 ... 204 205 206 207 \\\n",
"0 colspan=\"\"2\"\" None None None ... None None None None \n",
"1 None None None None ... None None None None \n",
"2 12 5 1 0 ... None None None None \n",
"3 0 0 0 0 ... None None None None \n",
"4 0 colspan=\"\"2\"\" None None ... None None None None \n",
"\n",
" 208 209 210 211 212 213 \n",
"0 None None None None None None \n",
"1 None None None None None None \n",
"2 None None None None None None \n",
"3 None None None None None None \n",
"4 None None None None None None \n",
"\n",
"[5 rows x 214 columns]\n"
]
},
{
"name": "stderr",
"output_type": "stream",
"text": [
"c:\\gitProjects\\yeni\\.venv\\lib\\site-packages\\sklearn\\feature_extraction\\text.py:406: UserWarning: Your stop_words may be inconsistent with your preprocessing. Tokenizing the stop words generated tokens ['leh'] not in stop_words.\n",
" warnings.warn(\n"
]
}
],
"source": [
"import re \n",
"import pandas as pd\n",
"from sklearn.feature_extraction.text import TfidfVectorizer\n",
"from joblib import Parallel, delayed\n",
"from tqdm import tqdm\n",
"import csv\n",
"\n",
"\n",
"\n",
"# CSV dosyasını okuma\n",
"df = pd.read_csv('processed_data.csv')\n",
"combined = df['combined'].tolist()\n",
"\n",
"\n",
"def pad_or_truncate(texts,max_lenght):\n",
" \"metinleri belirli bir uzunluğua kısaltır ve padler\"\n",
" padded_texts=[]\n",
" for text in texts:\n",
" words= text.split()\n",
" if len(words)> max_lenght:\n",
" padded_texts.append(''.join(words[:max_lenght]))\n",
" else:\n",
" padded_texts.append(' '.join(words + [''] * (max_length - len(words))))\n",
" return padded_texts\n",
"\n",
"# Padding uzunluğu\n",
"max_length = 300 # Örneğin, metin uzunluğunu 300 kelimeyle sınırlandırma\n",
"\n",
"# Metinleri pad etme veya kısaltma\n",
"combined_padded = pad_or_truncate(combined, max_length)\n",
"\n",
"def parse_text(text):\n",
" \"\"\"Verilen metni ayrıştırarak düzenli bir yapıya dönüştürür.\"\"\"\n",
" # Satırları ayır\n",
" lines = text.split('|-')\n",
" \n",
" data = []\n",
" for line in lines:\n",
" line = line.strip()\n",
" if not line or line.startswith(\"align\"):\n",
" continue\n",
"\n",
" # Satırı parçalara ayır\n",
" parts = re.split(r'\\s*\\|\\s*', line) #satırları nasıl parçalara ayırır ??\n",
" \n",
" # Verileri temizle ve yapıyı oluştur\n",
" if len(parts) >= 2: # season ve team neler ve neden değişken olarak tanadı.\n",
" season = parts[0].strip()\n",
" team = parts[1].strip()\n",
" stats = [p.strip() for p in parts[2:] if p.strip()]\n",
" data.append([season, team] + stats)\n",
"\n",
" return data \n",
"\n",
"def clean_data(file_path):\n",
" \"\"\"CSV dosyasını okur ve veriyi düzenler.\"\"\"\n",
" with open(file_path, 'r',encoding='utf-8') as file:\n",
" raw_text = file.read()\n",
" \n",
" data = parse_text(raw_text)\n",
" \n",
" # Veri çerçevesi oluştur\n",
" df = pd.DataFrame(data)\n",
" \n",
" return df\n",
"\n",
"# CSV dosyasını temizleyip düzenli bir DataFrame oluştur\n",
"cleaned_df = clean_data('processed_data.csv')\n",
"\n",
"# Düzenlenmiş veriyi kontrol et\n",
"print(cleaned_df.head())\n",
"\n",
"def extract_keywords_tfidf(combined, stop_words_list, top_n=10, n_jobs=-1):\n",
" \"\"\"TF-IDF ile anahtar kelimeleri çıkarır, stop words listesi ile birlikte kullanır ve paralel işlem yapar.\"\"\"\n",
" vectorizer = TfidfVectorizer(stop_words=stop_words_list)\n",
" \n",
" # TF-IDF matrisini oluşturma (CPU kullanımını optimize etmek için n_jobs kullanılır)\n",
" X = vectorizer.fit_transform(combined) # bunu csv'den oku\n",
" feature_names = vectorizer.get_feature_names_out() # Her kelimenin tf-idf vektöründeki karşılığını tutar\n",
"\n",
" # Her döküman için en iyi keywords'leri ve tf-idf değerlerini paralel işlemeyle bulma\n",
" def process_row(row):\n",
" tfidf_scores = row.toarray().flatten() # Düz bir değişken haline getirme\n",
" top_indices = tfidf_scores.argsort()[-top_n:][::-1] # En yüksek n skoru bul\n",
" \n",
" # En yüksek skorlu kelimeleri ve skorları bul\n",
" top_keywords = [feature_names[i] for i in top_indices]\n",
" top_tfidf_scores = [tfidf_scores[i] for i in top_indices]\n",
" return top_keywords, top_tfidf_scores\n",
"\n",
" results = Parallel(n_jobs=n_jobs)(delayed(process_row)(row) for row in tqdm(X))\n",
"\n",
" # Sonuçları listelere ayırma\n",
" top_keywords_per_document, top_tfidf_scores_per_document = zip(*results)\n",
"\n",
" return top_keywords_per_document, top_tfidf_scores_per_document\n",
"\n",
"# Anahtar kelimeleri çıkar ve sonuçları al\n",
"# İlk 100 dökümanı işleyin\n",
"combined_sample = combined[:400000]\n",
"top_keywords_per_document, top_tfidf_scores_per_document = extract_keywords_tfidf(combined_sample, stop_words_list, top_n=10, n_jobs=-1)\n",
"#n__jobs ın 2 olması aynı anda iki iş parçacığı yani iki işlem yanı anda yürütülür \n",
"#n__jobs ın -1 olması maksimum işlemci sayısının kullanılmasıdır.\n",
"\n",
"#Sonuçları CSV dosyasına kaydetme\n",
"with open('keywords_with_scores.csv', mode='w', newline='', encoding='utf-8') as file:\n",
" writer = csv.writer(file)\n",
" # Başlık satırını yazma\n",
" writer.writerow(['Document_Index'] + [f'Keyword_{i+1}' for i in range(10)] + [f'Score_{i+1}' for i in range(10)])\n",
" \n",
" # Her döküman için anahtar kelimeler ve skorları yazma\n",
" for i, (keywords, scores) in enumerate(zip(top_keywords_per_document, top_tfidf_scores_per_document)):\n",
" row = [i+1] + keywords + [f\"{score:.4f}\" for score in scores]\n",
" writer.writerow(row)\n",
"\n",
"print(\"Sonuçlar 'keywords_with_scores.csv' dosyasına kaydedildi.\")\n",
"\"\"\"\n",
"# Sonuçları görüntüleme\n",
"for i, (keywords, scores) in enumerate(zip(top_keywords_per_document, top_tfidf_scores_per_document)):\n",
" print(f\"Döküman {i+1}:\")\n",
" for keyword, score in zip(keywords, scores):\n",
" print(f\"{keyword}: {score:.4f}\")\n",
" print(\"\\n\")\n",
"\"\"\""
]
},
{
"cell_type": "markdown",
"metadata": {},
"source": [
"Buradaki keywords ve skorlar yukarıda çekildi."
]
},
{
"cell_type": "code",
"execution_count": null,
"metadata": {},
"outputs": [],
"source": [
"import pandas as pd\n",
"import csv\n",
"\n",
"# Anahtar kelimeleri ve TF-IDF skorlarını çekme\n",
"top_keywords_per_document, top_tfidf_scores_per_document = extract_keywords_tfidf(combined, stop_words_list, top_n=10, n_jobs=-1)\n",
"\n",
"# Sonuçları tablo şeklinde hazırlama\n",
"results_top = []\n",
"for keywords, scores in zip(top_keywords_per_document, top_tfidf_scores_per_document):\n",
" row = {}\n",
" for i, (keyword, score) in enumerate(zip(keywords, scores)):\n",
" row[f'Keyword_{i+1}'] = keyword\n",
" row[f'Score_{i+1}'] = score\n",
" results_top.append(row)\n",
"\n",
"# Sonuçları DataFrame'e dönüştürme\n",
"df = pd.DataFrame(results_top)\n",
"\n",
"# Sonuçları CSV'ye kaydetme\n",
"df.to_csv('keywords_with_scores.csv', index=False, encoding='utf-8')\n",
"\n",
"chunksize = 1000 # Küçük bir parça boyutu belirleyin\n",
"for i in range(0, len(df), chunksize):\n",
" df.iloc[i:i+chunksize].to_csv('keywords_with_scores.csv', mode='a', header=(i==0), index=False, encoding='utf-8')\n",
"\n",
"# Sonuçları terminalde görüntüleme\n",
"print(df.head())\n"
]
},
{
"cell_type": "markdown",
"metadata": {},
"source": [
"Encoding yapmak için"
]
},
{
"cell_type": "code",
"execution_count": null,
"metadata": {},
"outputs": [],
"source": [
"from sentence_transformers import SentenceTransformer\n",
"\n",
"model = SentenceTransformer('sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2')\n",
"\n",
"# Top_keywords embedding\n",
"keyword_embeddings = model.encode(top_keywords_per_document)\n"
]
},
{
"cell_type": "markdown",
"metadata": {},
"source": [
"Text ve keywords similarity denemesi"
]
},
{
"cell_type": "code",
"execution_count": null,
"metadata": {},
"outputs": [],
"source": [
"from sklearn.feature_extraction.text import TfidfVectorizer\n",
"from sklearn.metrics.pairwise import cosine_similarity\n",
"\n",
"def calculate_keyword_similarity(text, keywords):\n",
" # TF-IDF matrisini oluştur\n",
" tfidf_vectorizer = TfidfVectorizer()\n",
"\n",
" #texti ve anahtar kelimeleri tf-ıdf vektörlerine dönüştür\n",
" text_tfidf = tfidf_vectorizer.fit_transform([text]) #burayı combined sütunundan almalıyım\n",
" #benzerlik hesaplama \n",
" similarity_array = []\n",
" for keyword in keywords:\n",
" # Her bir anahtar kelimeyi TF-IDF vektörüne dönüştür\n",
" keyword_tfidf = tfidf_vectorizer.transform([keyword]) #keywordleri teker teker alma fonksiyonu\n",
" \n",
" # Cosine similarity ile benzerlik hesapla\n",
" similarity = cosine_similarity(text_tfidf, keyword_tfidf)[0][0]\n",
" \n",
" # Anahtar kelime ve benzerlik skorunu kaydet\n",
" similarity_array.append((keyword, similarity))\n",
" \n",
" return similarity_array\n",
" \n",
"\n",
"# Örnek metin ve anahtar kelimeler\n",
"#combined verileri \n",
"\n",
"\n",
"text = \"Bu bir örnek metindir ve bu metin üzerinde anahtar kelimeleri test ediyoruz.\"\n",
"keywords = [\"başka\", \"bir\", \"anahtar\", \"kelimeleri\", \"test\"] #bu keywordsler tf-değerinden alınarak arraylere çevrilmeli \n",
" \n",
"# Uygunluk skorunu hesapla\n",
"similarity_results = calculate_keyword_similarity(text, keywords)\n",
"top_5_keywords = sorted(similarity_results, key=lambda x: x[1], reverse=True)[:5]\n",
"# Her bir anahtar kelimenin uyumluluk skorunu yazdır\n",
"\n",
"for keyword, similarity in top_5_keywords:\n",
" print(f\"Keyword: {keyword}, Similarity: {similarity}\")\n",
" #print(f\"Keyword: '{keyword}' - Relevance score: {score:.4f}\")\n",
"\n"
]
},
{
"cell_type": "code",
"execution_count": null,
"metadata": {},
"outputs": [],
"source": [
"from sklearn.feature_extraction.text import TfidfVectorizer\n",
"from sklearn.metrics.pairwise import cosine_similarity\n",
"# Örnek metin ve anahtar kelimeler\n",
"#combined verileri \n",
"def get_text(file_path='processed_data.csv'):\n",
" \"\"\"CSV dosyasını okur ve veriyi düzenler.\"\"\"\n",
" with open(file_path, 'r',encoding='utf-8') as file:\n",
" raw_text = file.read()\n",
" \n",
" text = parse_text(raw_text)\n",
" \n",
" # Veri çerçevesi oluştur\n",
" df_text = pd.DataFrame(text)\n",
" \n",
" return df_text\n",
"\n",
"def get_keywords(file_path='keywords_with_scores.csv'):\n",
" \"\"\"CSV dosyasını okur ve veriyi düzenler.\"\"\"\n",
" with open(file_path, 'r',encoding='utf-8') as file:\n",
" raw_text = file.read()\n",
" \n",
" keywords = parse_text(raw_text)\n",
" \n",
" # Veri çerçevesi oluştur\n",
" df_keyword = pd.DataFrame(keywords)\n",
" \n",
" return df_keyword\n",
"\n",
"\n",
"def calculate_keyword_similarity(text, keywords):\n",
" # TF-IDF matrisini oluştur\n",
" tfidf_vectorizer = TfidfVectorizer()\n",
"\n",
" #texti ve anahtar kelimeleri tf-ıdf vektörlerine dönüştür\n",
" text_tfidf = tfidf_vectorizer.fit_transform(text) #burayı combined sütunundan almalıyım\n",
" #benzerlik hesaplama \n",
" similarity_array = []\n",
" for keyword in keywords:\n",
" # Her bir anahtar kelimeyi TF-IDF vektörüne dönüştür\n",
" keyword_tfidf = tfidf_vectorizer.transform([keyword]) #keywordleri teker teker alma fonksiyonu\n",
" \n",
" # Cosine similarity ile benzerlik hesapla\n",
" similarity = cosine_similarity(text_tfidf, keyword_tfidf)[0][0]\n",
" \n",
" # Anahtar kelime ve benzerlik skorunu kaydet\n",
" similarity_array.append((keyword, similarity))\n",
" \n",
" return similarity_array\n",
" \n",
"\n",
"\n",
"\n",
" \n",
"# Uygunluk skorunu hesapla\n",
"similarity_results = calculate_keyword_similarity(text, keywords)\n",
"top_5_keywords = sorted(similarity_results, key=lambda x: x[1], reverse=True)[:5]\n",
"# Her bir anahtar kelimenin uyumluluk skorunu yazdır\n",
"\n",
"for keyword, similarity in top_5_keywords:\n",
" print(f\"Keyword: {keyword}, Similarity: {similarity}\")\n",
" #print(f\"Keyword: '{keyword}' - Relevance score: {score:.4f}\")\n",
"\n"
]
},
{
"cell_type": "code",
"execution_count": null,
"metadata": {},
"outputs": [],
"source": [
"\n",
"# BERT Tokenizer ve Model'i yükleyin\n",
"tokenizer = BertTokenizer.from_pretrained('dbmdz/bert-base-turkish-cased')\n",
"model = BertModel.from_pretrained('dbmdz/bert-base-turkish-cased')\n",
"# Keywords çıkarma fonksiyonu\n",
"def extract_keywords_tfidf(combined_texts, stop_words_list,top_n=5):\n",
" \"\"\"TF-IDF ile anahtar kelimeleri çıkarır, stop words listesi ile birlikte kullanır.\"\"\"\n",
" vectorizer = TfidfVectorizer(stop_words=stop_words_list)\n",
" X = vectorizer.fit_transform(combined_texts) #bunu csv den oku \n",
" feature_names = vectorizer.get_feature_names_out()\n",
" #sorted_keywords = [feature_names[i] for i in X.sum(axis=0).argsort()[0, ::-1]]\n",
" \n",
" top_keywords_per_document = [] #her döküman için en iyi keywordsleri alır\n",
" top_tfidf_scores_per_document = [] #tf-ıdf değeri en yüksek olan dökümanlar\n",
"#------------------------------------------------------------------------------------------\n",
" for row in X:\n",
" tfidf_scores = row.toarray().flatten()\n",
" top_indices = tfidf_scores.argsort()[-top_n:][::-1] # En yüksek n skoru bul\n",
" top_keywords = [feature_names[i] for i in top_indices]\n",
" top_tfidf_scores_per_document = [tfidf_scores[i] for i in top_indices]\n",
"\n",
"\n",
" top_tfidf_scores_per_document.append(top_tfidf_scores)\n",
" top_keywords_per_document.append(top_keywords)\n",
" \n",
" return top_keywords_per_document\n",
"\n",
"# Anahtar kelimeleri çıkar ve BERT ile embedding oluştur\n",
"def process_texts(combined_texts, stop_words_list,top_n):\n",
" results = []\n",
" \n",
" for text in combined_texts:\n",
" # Anahtar kelimeleri çıkar\n",
" keywords = extract_keywords_tfidf(text, stop_words_list,top_n=15)\n",
" \n",
" # BERT ile embedding oluştur\n",
" inputs = tokenizer(text, return_tensors='pt', truncation=True, max_length=512)\n",
" with torch.no_grad():\n",
" outputs = model(**inputs)\n",
" embeddings = outputs.last_hidden_state.mean(dim=1).squeeze()\n",
" \n",
" results.append({\n",
" 'text': text,\n",
" 'keywords': keywords,\n",
" 'embedding': embeddings\n",
" })\n",
" \n",
" return results\n",
"\n",
"results=process_texts\n",
"results\n",
"#tüm metinleri işle\n"
]
},
{
"cell_type": "markdown",
"metadata": {},
"source": [
"MongoDb'den database'in çekilmesi"
]
},
{
"cell_type": "code",
"execution_count": null,
"metadata": {},
"outputs": [],
"source": [
"#mongodb üzerinden combined_textleri çek\n",
"import csv\n",
"from pymongo import MongoClient\n",
"\n",
"def mongo_db_combined_texts_to_csv(database_name='combined_text', collection_name='text', host='localhost', port=27017,batch_size=1000,output_file='combined_texts.csv'):\n",
" client = MongoClient(f'mongodb://{host}:{port}/')\n",
" db = client[database_name]\n",
" collection = db[collection_name]\n",
" \n",
" #toplam döküman sayısını al\n",
" total_documents = collection.count_documents({})\n",
" #batch_documents = []\n",
"\n",
" # CSV dosyasını aç ve yazmaya hazırla\n",
" with open(output_file, mode='w', newline='', encoding='utf-8') as file:\n",
" writer = csv.writer(file)\n",
" writer.writerow([\"combined\"]) # CSV başlığı\n",
"\n",
" # Belirtilen batch_size kadar dökümanları almak için döngü\n",
" for i in range(0, total_documents, batch_size):\n",
" cursor = collection.find({}, {\"combined\":1, \"_id\": 0}).skip(i).limit(batch_size)\n",
" combined_texts = [doc['combined'] for doc in cursor if 'combined' in doc] #combined sütununa ilişkin verileri çeker \n",
"\n",
" # Batch verilerini CSV'ye yaz\n",
" with open(output_file, mode='a', newline='', encoding='utf-8') as file:\n",
" writer = csv.writer(file)\n",
" \n",
" for text in combined_texts:\n",
" writer.writerow([text])\n",
" \n",
" \n",
"\n",
" print(f\"combined metinler '{output_file}' dosyasına başarıyla yazıldı.\")\n",
"\n",
"# Dökümanları CSV dosyasına yazdır\n",
"text=mongo_db_combined_texts_to_csv(batch_size=1000)\n",
" #batch_documents.extend((combined_texts, len(combined_texts)))\n",
" #append fonksiyonu listenin içerisine tek bir eleman gibi ekler yani list1 = [1, 2, 3, [4, 5]]\n",
" #fakat extend fonksiyonu list1 = [1, 2, 3, 4, 5] bir listeye yeni bir liste eklemeyi teker teker gerçekleştirir.\n",
" #return batch_documents\n",
"\n",
"# Dökümanları ve döküman sayısını batch olarak çekin\n",
"#combined_texts = mongo_db_combined_texts(batch_size=1000)\n",
"\n",
"# Her batch'i ayrı ayrı işleyebilirsiniz\n",
"#print(f\"Toplam döküman sayısı:{len(combined_texts)}\")\n",
"\n",
"#for index, text in enumerate (combined_texts[:10]):\n",
" #print(f\"Döküman {index + 1}: {text}\")\n",
"\n",
"#print(combined_texts)\n",
"\n",
" "
]
},
{
"cell_type": "markdown",
"metadata": {},
"source": [
"Gereksiz kelimelerin 'gereksiz_kelimeler.txt' üzerinden import edilmesi"
]
},
{
"cell_type": "markdown",
"metadata": {},
"source": [
"TF-IDF Skorları "
]
},
{
"cell_type": "code",
"execution_count": null,
"metadata": {},
"outputs": [],
"source": [
"#-----------------------------------------------------------------------------------------------------\n",
"# Tüm metinleri işle\n",
"combined_texts = mongo_db_combined_texts()\n",
"processed_texts = process_texts(combined_texts, stop_words_list,top_n=5)\n",
"\n",
"combined_texts, document_count = mongo_db_combined_texts()\n",
"print(f\"Toplam döküman sayısı: {document_count}\")\n",
"print(\"Combined metinler:\", combined_texts)"
]
},
{
"cell_type": "code",
"execution_count": null,
"metadata": {},
"outputs": [],
"source": [
"from sklearn.feature_extraction.text import TfidfVectorizer\n",
"from sklearn.metrics.pairwise import cosine_similarity\n",
"\n",
"# Text ve keywords\n",
"text = \"\"\"Peynir, çok büyük bir çeşitlilikteki aroma, tat, yapı ve şekle sahip bir grup süt ürünü için kullanılan genel isimdir.\n",
"\n",
"Etimoloji \n",
"Peynir, kelimesi modern Türkçeye Farsça sütten yapılmış manasına gelen panīr kelimesinden geçmiştir. İngilizceye ise Latince caseus dan gelmiştir. Bu kelimenin kökeninin Hint-Avrupa dillerinde yer alan mayalanmak-ekşimek manasına gelen kwat- kökünden geçtiği düşünülmektedir. Bu kelime diğer Cermen dillerinde de muhafaza edilmiştir. İspanyolca ve Portekizce de Latinceden almışlardır ve Malezya ve Endonezya da konuşulan dillere de keşifler vasıtasıyla geçirmişlerdir.\n",
"\n",
"Fransızca, İtalyanca ve Katalancaya ise yine aynı kökenden gelmiş olmasına ragmen, Romalılar tarafından askerlerin tüketimi için yapılan caseus formatus (kalıp peyniri) sözünün ikinci parçası olan kalıp manasına gelen formatusdan türeyen kelimeler kullanılmaya başlanmıştır. İspanyolcada \"queso\", Portekizcede \"queijo\", Almancada \"Käse\", Felemenkçede \"Kaas\", ve İngilizcede \"cheese\" İtalyancada \"formaggio\" olması yanında, Fransızcada \"fromage\", ve bu terim Katalancada \"formatge\" olmuştur.\n",
"\n",
"İlk kez Memluk Türkçesinde benir, penir, beynir şekillerinde görülür. Yazılı olarak en eski ÖzTürkçe karşılığı ise Kâşgarlı Mahmud tarafından yazılan Divânu Lügati't-Türk'te geçmektedir; udma ve udhıtma. Udhıtmak Uygur Türkçesi'nde uyutmak anlamındadır ve Udhıtma udhıttı, sütü uyutmak, uyumuş süt, peynir anlamında kullanılmıştır. Farklı Türk lehçelerinde farklı kelimeler kullanılmıştır: ağrımışık, sogut (Karluk), kurut, kesük, çökelek, bışlak.\n",
"\n",
" Tarihçe \n",
"Peynir kökeni oldukça eskiye dayanan bir yiyecektir. Peynir üretimine dair elde mevcut en eski arkeolojik bulgular M.Ö. 5000 yıllarına aittir ve günümüz Polonya'sında ortaya çıkarılmıştır. Çıkış noktaları Orta Asya, Orta Doğu ya da Avrupa olarak tahmin edilmektedir. Yaygınlaşmasının Roma İmparatorluğu zamanlarında olduğu düşünülür.\n",
"\n",
"İlk üretimi için önerilen tarih MÖ 8. binyıl (koyunun evcilleşitirildiği tarih) ile 9. binyıla kadar değişir. O zamanlar yiyecekleri saklayıcı özelliği nedeniyle hayvanın derisi ya da iç organları kullanılmaktaydı. Bu iç organlardan olan midede (işkembe) saklanan sütün buradaki enzimlerle (kültürle) mayalanması üzerine lor haline gelmesi peynirin ilk oluşumu hakkındaki teorilerden biridir. Buna benzer bir hikâyenin, bir tüccar Arap'ın peynir saklaması hakkında da farklı söylenişleri vardır.Vicki Reich, Cheese January 2002 Newsletter, Moscow Food Co-op Food Info. \n",
"\n",
"Bir başka teoriyse peynirin sütü tuzlamak ve basınç altında tutma sonucunda ortaya çıktığıdır. Hayvan midesinde bekletilen sütün değişimi üzerine de bu karışıma kasıtlı olarak maya eklenmiş olabilir.\n",
"\n",
"Peynir yapıcılığı ile ilgili ilk yazılı kaynak MÖ 2000'li yıllara, Mısır'daki mezar yazıtlarına dayanmaktadır. Antik zamanlarda yapılan peynirin ekşi ve tuzlu olduğu ve günümüz feta ve beyaz peynire benzediği tahmin edilmektedir.\n",
"\n",
"Avrupa'daki peynir üretiminde ise iklimden dolayı daha az tuz kullanılır. Daha az tuzlu ortamda daha çeşitli faydalı mikrop ve enzim yetişebilmesinden dolayı bu peynirler farklı ve ilginç tatlar içerirler.\n",
"\n",
" Modern çağ \n",
"\n",
"Avrupa kültürüyle birlikte yayılmasına kadar peynir, Doğu Asya kültürlerinde ve Kolomb öncesi Amerika'da neredeyse hiç duyulmamıştı ve Akdeniz altı Afrika'da yalnızca sınırlı bir kullanıma sahipti, esasen yalnızca Avrupa, Orta Doğu, Hint altkıtası ve ve bu kültürlerden etkilenen bölgelerde yaygın ve popülerdi. Ancak önce Avrupa emperyalizminin daha sonra da Avrupa-Amerikan kültürünün ve yemeklerinin yayılmasıyla birlikte peynir dünyada giderek daha fazla tanınmaya ve popülerleşmeye başladı.\n",
"\n",
"Peynirin endüstriyel üretimi için ilk fabrika 1815'te İsviçre'de açıldı ancak büyük ölçekli üretim ilk olarak Amerika Birleşik Devletleri'nde gerçek başarıyı yakaladı. Bu başarı genellikle montaj-hattı tarzında komşu çiftliklerden gelen sütü kullanarak 1851'de peynir yapmaya başlayan ve Roma, New York'tan mandıra çiftçisi olan Jesse Williams'a atfedilir. \n",
"Onlarca yıl içinde bu türden yüzlerce süt birlikleri ortaya çıktı.\n",
"\n",
"1860'larda seri üretilen peynir mayası üretimi başladı ve yüzyılın başında bilim adamları saf mikrobiyal kültürler üretiyorlardı. O zamandan önce, peynir yapımındaki bakteriler çevreden veya daha önceki bir partinin peynir altı suyunun geri dönüştürülmesinden geliyordu; saf kültürler, daha standart bir peynirin üretilebileceği anlamına geliyordu.\n",
"\n",
"Fabrika yapımı peynir İkinci Dünya Savaşı döneminde geleneksel peynir yapımını geride bıraktı ve fabrikalar o zamandan beri Amerika ve Avrupa'daki çoğu peynirin kaynağıdır.\n",
"\n",
"Birleşmiş Milletler Gıda ve Tarım Örgütü'ne göre 2004 yılı dünya üzerindeki peynir üretimi 18 milyon ton dur. Bu kahve tanesi, çay yaprağı kakao tanesi ve tütün yıllık üretiminden daha fazladır.\n",
"\n",
" Üretim \n",
"\n",
"2014 yılında tam inek sütünden yapılan peynir üretimi dünya’da 18.7 milyon tondu ve Amerika Birleşik Devletleri dünya toplamının %29'u (5.4 milyon ton) peynir üretirken onu büyük üreticiler olarak Almanya, Fransa ve İtalya izledi.\n",
"\n",
"İşlenmiş peynirde diğer 2014 dünya toplamları şunlardı:\n",
" yağsız inek sütünden, 2.4 milyon ton (845,500 ton ile Almanya liderdir)\n",
" keçi sütünden, 523,040 ton (110,750 ton ile Güney Sudan liderdir)\n",
" koyun sütünden, 680,302 ton (125,000 ton ile Yunanistan liderdir)\n",
" manda sütünden, 282,127 ton (254,000 ton Mısır liderdir)\n",
"\n",
"2015 yılında Almanya, Fransa, Hollanda ve İtalya ürettikleri peynirin %10-14'ünü ihraç etti. Amerika Birleşik Devletleri üretiminin çoğunu kendi iç pazarına sattığından ihracatı azdır (toplam inek sütü üretiminin %5.3'ü).\n",
"\n",
"2004 yılına göre en büyük peynir ihracatcısı (parasal değere göre) Fransa olup ikinci Almanya (miktar bakımından birinci olmasına rağmen). En üstteki on ihracatçıdan sadece İrlanda, Yeni Zelanda, Hollanda ve Avustralya ihracat için peynir üretir. Üretimlerinin ihracat yüzdeleri sırasıyla: %95, %90, %72 ve %65 dir. En büyük peynir ihracatçısı Fransa peynir üretiminin sadece %30'unu ihraç eder.\n",
"\n",
" Tüketim \n",
"Fransa, İzlanda, Finlandiya, Danimarka ve Almanya 2014 yılında kişi başına ortalama peynir tüketen ülkelerdi.\n",
"\n",
"{| class=\"wikitable\" style=\"width:30em;\"\n",
"! colspan=2|En çok peynir tüketen ülkeler - 2003(kişi başına yılık tüketim kg olarak)<ref>{{Web kaynağı |url=http://www.maison-du-lait.com/Scripts/public/stat.asp?Language=GB |başlık=CNIEL |erişimtarihi=20 Eylül 2008 |arşivurl=https://web.archive.org/web/20071006081314/http://www.maison-du-lait.com/Scripts/public/stat.asp?Language=GB |arşivtarihi=6 Ekim 2007 |ölüurl=evet }}</ref>\n",
"|-\n",
"| || align=\"right\" | 27.3\n",
"|-\n",
"| || align=\"right\" | 24.0\n",
"|-\n",
"| || align=\"right\" | 22.9\n",
"|-\n",
"| || align=\"right\" | 20.6\n",
"|-\n",
"| || align=\"right\" | 20.2\n",
"|-\n",
"| || align=\"right\" | 19.9\n",
"|-\n",
"| || align=\"right\" | 19.5\n",
"|-\n",
"| || align=\"right\" | 17.9\n",
"|}\n",
"\n",
" Yapımı \n",
"\n",
"Peynir, süt proteini kazeinin peynir mayası ve peynir kültürü ile pıhtılaştırılması ve bu pıhtıdan peynir altı suyunun ayrılmasıyla elde edilen fermente bir süt ürünüdür. Buna karşılık kazein yerine peynir altı suyu proteininden oluşan ricotta ve lor gibi peynirler ile peynir mayası içermeyen quark gibi peynirler de vardır. Sütün pH değerinin düşürülmesi için kullanılan peynir kültürü de peynir üretimi için zorunlu olmayıp sitrik asit ve sirke gibi asit içeren maddeler ile sübstitüte edilebilir.\n",
"\n",
"Peynir altı suyu ayrıldıktan sonra tuzlu peynirler için tuzlama aşamasına gelinir. Tuzlama, peynirin yüzeyine kuru tuzlama şeklinde veya peynir salamuraya daldırılarak yapılabilir. Peynir altı suyunun tekrar 90 C°'ye kaynatılması ile lor peynir elde edilir.\n",
"\n",
"Takip eden basamak olgunlaştırmadır; peynir taze olarak tüketilebileceği gibi belirli bir olgunlaştırma periyodunu takiben de tüketilebilir.\n",
"Bu üretim basamaklarına ait teknik parametrelere bağlı olarak çok geniş bir çeşitlilikte peynirler elde edilir.\n",
"\n",
"Diğer fermente süt ürünleri gibi peynir de canlı organizmalar içerebilir. Raf ömrü boyunca peynirin duyusal, yapısal ve kimyasal özelliklerinde çeşitli değişiklikler görülebilir. Bu değişikliklerin en az olması için peynirin genellikle 6-8 °C’lik sıcaklıklarda tutulması gereklidir.\n",
"\n",
"Soğuk iklimlerde yaşayanlar için sıcaklığı 6-8 °C civarında, nem oranı sabit ve havadar kilerler peynir saklamak için idealdir. Ancak bu imkânın olmadığı yerde peynir buzdolabının alt raflarında ve kapalı şekilde saklanmalıdır.\n",
"\n",
" Çeşitleri \n",
"\n",
"Türkiye'de tüketimi en yaygın olan peynirler; beyaz peynir, deri peyniri ve kaşar peyniri olmakla birlikte, yöresel peynirler yönünden de hayli çeşitlilik gösterir. Bunlardan bazıları: \n",
"\n",
" Beslenme ve sağlık \n",
"Peynirin besin değeri çok değişkendir. Süzme peynir %4 yağ ve %11 protein içerebilirken bazı peynir altı suyu peynirleri %15 yağ ve %11 protein ve üçlü krem peynirler %36 yağ ve %7 protein içerir. Genellikle peynir, zengin bir kalsiyum, protein, fosfor, sodyum ve doymuş yağ (Günlük Değer'in %20'si veya daha fazlası) kaynağıdır. 28 gramlık (bir ons) porsiyon çedar peyniri yaklaşık protein ve 202 miligram kalsiyum içerir. Besinsel olarak peynir esasında konsantre süttür ancak kültür ve yaşlandırma süreçlerince değiştirilir: bu kadar proteini sağlamak için, suda çözünen vitamin ve minerallerin miktarları değişmesine rağmen, yaklaşık süt ve buna eşit kalsiyum gerekir.\n",
"\n",
"Sağlıklı hayvan sütlerinden sağlıklı şartlarda üretilen peynirin insan beslenmesine protein, kalsiyum, mineraller ve diğer besin elemanlarının temin edilmesinde ve sağlıklı yaşamın sürdürülmesinde önemli katkıları bulunur. Ancak çiğ sütten yapılan peynirlerden Brucella ve Listeria gibi zoonotik enfeksiyonların tüketenlere bulaşması, ayrıca uygun saklama koşullarına uyulmaması dolayısıyla bakteri üremesine bağlı akut barsak enfeksiyonlarının gelişmesi mümkündür. Tuzlu peynir tüketimi hipertansiyon hastalarında risk oluşturabilir.\n",
"\n",
"Küflü peynir tüketimi\n",
"\n",
"Bazı (yumuşak tip) küflü peynir çeşitlerinin listeria riski dolayısıyla hamilelerde tüketiminin uygun olmadığı, pişirilerek yenmesi durumunda bu sakıncanın ortadan kalkmış olacağı NHS tarafından ifade edilmektedir. Konya'da yöresel olarak tüketilen küflü peynir çeşitleri üzerinde akademik yapılan bir çalışma ile bu peynirlerden elde edilen küf cinsleri, bunların primer ve sekonder metabolitleri, ürettikleri mikotoksinler, aspergillus tipi küflerde ise aflatoksinler gibi kanser yapıcı toksinlerin mevcudiyeti ve zararları ele alınmıştır. Küflü peynirler üzerinde yapılan bir başka çalışmada ise özellikle siyah, beyaz ve kırmızı renkte küf içeren peynir çeşitlerinde aflatoksin miktarının yüksekliğine dikkat çekilmiştir. Bazı mikotoksinlerin DNA hasarı (mutajen) ve fetüs üzerinde sakatlık oluşturma (teratojen) kapasitelerinin olduğu bilinmektedir.http://www.academia.edu/3251581/DUNYADA_VE_TURKIYEDE_INSAN_SAGLIGINI_TEHDIT_EDEN_MIKOTOKSINLERhttp://informahealthcare.com/doi/abs/10.3109/15569549909009258\n",
"\n",
" Peynirle ilgili kitaplar \n",
" \"Süt Uyuyunca - Türkiye Peynirleri\", Artun Ünsal, Yapı Kredi Yayınları, İstanbul, 1. Baskı 1997.\n",
" \"Türkiye'nin Peynir Hazineleri* \" (Özgün adı: The Treasury of Turkish Cheeses''), Suzanne Swan, Boyut Yayın Grubu, 2005.\n",
" \"Yurdumuz Peynirlerini Olgunlaştıran Mikroplar ve Anzimleri\", Mehmet Karasoy, Ankara Üniversitesi Veteriner Fakültesi Yay. 1955.\n",
" \"Her Yönüyle Peynir\", Mehmet Demirci, Hasad Yayıncılık.\n",
" \"Türkiye'de Yapılan Muhtelif Tip Peynirler ve Özellikleri\", Dilek Uraz - Abdi Karacabey, Ankara, 1974.\n",
" \"Peynir\", Rauf Cemil Adam, Ege Üniv. Matbaası, 1974.\n",
" \"Peynir Teknolojisi Bibliyografyası\", Tümer Uraz, Ankara Üniv.\n",
" \"Sütçülük, Tereyağcılık ve Peynircilik Sanatları'\" (Eski Türkçe), Onnik İhsan, Matbaa-i Âmire, İstanbul, 1915.\n",
"\n",
"Ayrıca bakınız \n",
" Mandıra ürünü\n",
"\n",
"Notlar \n",
"\n",
" \n",
"Süt ürünleri\n",
"Farsçadan Türkçeye geçen sözcükler\"\"\"\n",
"\n",
"keywords = ['peynir', 'peynirin', 'peynirler', 'olarak', 'ton', 'süt', 'avrupa', 'right', 'align', 'yapılan', 'altı', 'üretimi', 'protein', 'büyük', 'elde', 'amerika', 'almanya', 'sütünden', 'fransa', 'dünya', 'farklı', 'küflü', 'ilk', 'kalsiyum', 'çok', 'türkiye', 'peyniri', 'yağ', 'gelen', '20', 'sütü', 'tüketimi', 'tuzlu', 'milyon', 'liderdir', 'olan', 'diğer', 'com', 'doğu', 'daki', 'beyaz', 'devletleri', '2014', 'üzerinde', 'web', 'mayası', 'eski', 'manasına', 'olduğu', 'sağlıklı', 'ortaya', 'www', 'veya', 'tuzlama', 'sütün', 'üretiminin', 'suyu', 'suyunun', 'orta', 'tarafından', 'ankara', 'üretim', 'birleşik', 'lor', 'inek', 'iç', 'göre', 'edilmektedir', 'http', 'üniv', 'üzerine', 'ürünü', '11', '10', '90', '000', 'du', 'dillerinde', 'çeşitli', 'çeşitleri', 'caseus', 'cheese', 'dolayısıyla', 'asit', 'başına', 'asp', 'asya', 'ayrıca', 'üretilen', 'başladı', 'başka', 'besin', 'kaynağıdır', 'kelimeler', 'kalıp', 'yöresel', 'içeren', 'hint', 'ikinci', 'zamandan', 'hollanda', 'günümüz', 'food', 'fermente', 'gb', 'geliyordu', 'fabrika', 'edilen', 'olması', 'olmasına', 'yaygın', 'yapımı', 'olmadığı', 'mısır', 'mö', 'modern', 'maison', 'mandıra', 'nde', 'lk', 'listeria', 'language', 'lait', 'mehmet', 'kullanılmıştır', 'kişi', 'kültürü', 'küf', 'kültürler', 'kullanılan', 'hayvan', 'ilgili', 'içerir', 'ihracat', 'ihraç', 'roma', 'yaklaşık', 'yalnızca', 'peynirleri', 'peynirlerden', 'yapı', 'uraz', 'uyutmak', 'uygun', 'vardır', 'rağmen', 'stanbul', 'scripts', 'yazılı', 'ref', 'proteini', 'public', 'saf', 'te', 'stat', 'sütten', 'türk', 'udhıttı', 'udhıtmak', 'tütün', 'şeklinde', 'üretiyorlardı', 'üretirken', 'üretir', 'üretimlerinin', 'üretimine', 'üretiminden', 'üretiminde', '1860', '1851', '1815']\n",
"# TF-IDF vektörizer oluştur\n",
"tfidf_vectorizer = TfidfVectorizer()\n",
"\n",
"# Texti ve anahtar kelimeleri TF-IDF vektörlerine dönüştür\n",
"text_tfidf = tfidf_vectorizer.fit_transform([text])\n",
"keywords_tfidf = tfidf_vectorizer.transform(keywords)\n",
"\n",
"# Benzerlik hesapla\n",
"similarities = []\n",
"for i in range(keywords_tfidf.shape[0]):\n",
" keyword_tfidf = keywords_tfidf[i, :]\n",
" similarity = cosine_similarity(text_tfidf, keyword_tfidf)\n",
" similarities.append((keywords[i], similarity[0][0]))\n",
"\n",
"# Sonuçları yazdır\n",
"for keyword, similarity in similarities:\n",
" #print(f\"Keyword: {keyword}, Similarity: {similarity}\")\n",
"\n",
"# En yüksek benzerliğe sahip olan ilk 5 anahtar kelimeyi filtrele\n",
" top_5_keywords = sorted(similarities, key=lambda x: x[1], reverse=True)[:5]\n",
"\n",
"# Sonuçları yazdır\n",
"for keyword, similarity in top_5_keywords:\n",
" print(f\"Keyword: {keyword}, Similarity: {similarity}\")"
]
},
{
"cell_type": "markdown",
"metadata": {},
"source": [
"Title değerini bir dataframe' e dönüştürür."
]
},
{
"cell_type": "code",
"execution_count": 4,
"metadata": {},
"outputs": [
{
"name": "stdout",
"output_type": "stream",
"text": [
"metin başlıkları 'titles_texts.csv' dosyasına başarıyla yazıldı.\n",
" title\n",
"0 Pşıqo Ahecaqo\n",
"1 Craterolophinae\n",
"2 Notocrabro\n",
"3 Ibrahim Sissoko\n",
"4 Salah Cedid\n"
]
}
],
"source": [
"from pymongo import MongoClient\n",
"import pandas as pd\n",
"import csv\n",
"\n",
"# MongoDB'ye bağlanma\n",
"\n",
"def get_titles(database_name='combined_text', collection_name='text', host='localhost', port=27017,batch_size=1000,output_file='titles_texts.csv'):\n",
" client = MongoClient(f'mongodb://{host}:{port}/')\n",
" db = client[database_name]\n",
" collection = db[collection_name]\n",
" \n",
" #toplam döküman sayısını al\n",
" total_documents = collection.count_documents({})\n",
" #batch_documents = []\n",
"\n",
"\n",
" # MongoDB'den sadece title alanlarını çekme\n",
" titles = collection.find({}, {\"_id\": 0, \"title\": 1})\n",
"\n",
" # Verileri liste haline getirme ve DataFrame'e dönüştürme\n",
" df = pd.DataFrame(list(titles))\n",
"\n",
" \n",
" # CSV dosyasını aç ve yazmaya hazırla\n",
" with open(output_file, mode='w', newline='', encoding='utf-8') as file:\n",
" writer = csv.writer(file)\n",
" writer.writerow([\"titles\"]) # CSV başlığı\n",
"\n",
" # Belirtilen batch_size kadar dökümanları almak için döngü\n",
" for i in range(0, total_documents, batch_size):\n",
" cursor = collection.find({}, {\"title\":1, \"_id\": 0}).skip(i).limit(batch_size)\n",
" combined_texts = [doc['title'] for doc in cursor if 'title' in doc] #combined sütununa ilişkin verileri çeker \n",
"\n",
" # Batch verilerini CSV'ye yaz\n",
" with open(output_file, mode='a', newline='', encoding='utf-8') as file:\n",
" writer = csv.writer(file)\n",
" \n",
" for text in combined_texts:\n",
" writer.writerow([text])\n",
" \n",
" \n",
"\n",
" print(f\"metin başlıkları '{output_file}' dosyasına başarıyla yazıldı.\")\n",
"\n",
" # DataFrame'i görüntüleme\n",
" print(df.head())\n",
"\n",
"# Dökümanları CSV dosyasına yazdır\n",
"text=get_titles(batch_size=5000)\n",
" #batch_documents.extend((combined_texts, len(combined_texts)))\n",
" #append fonksiyonu listenin içerisine tek bir eleman gibi ekler yani list1 = [1, 2, 3, [4, 5]]\n",
" #fakat extend fonksiyonu list1 = [1, 2, 3, 4, 5] bir listeye yeni bir liste eklemeyi teker teker gerçekleştirir.\n",
" #return batch_documents\n",
"\n",
"# Dökümanları ve döküman sayısını batch olarak çekin\n",
"#combined_texts = mongo_db_combined_texts(batch_size=1000)\n",
"\n",
"# Her batch'i ayrı ayrı işleyebilirsiniz\n",
"#print(f\"Toplam döküman sayısı:{len(combined_texts)}\")\n",
"\n",
"#for index, text in enumerate (combined_texts[:10]):\n",
" #print(f\"Döküman {index + 1}: {text}\")\n",
"\n",
"#print(combined_texts)\n",
"\n",
" \n",
"\n",
"\n",
"\n"
]
},
{
"cell_type": "markdown",
"metadata": {},
"source": [
"Veri güncelleme "
]
},
{
"cell_type": "code",
"execution_count": 6,
"metadata": {},
"outputs": [
{
"name": "stdout",
"output_type": "stream",
"text": [
" Document_Index Keyword_1 Keyword_2 Keyword_3 \\\n",
"0 1 ahecaqo pşıqo çerkes \n",
"1 2 craterolophinae depastridae craterolophus \n",
"2 3 notocrabro crabronina oymağına \n",
"3 4 sissoko wolfsburg panathinaikos \n",
"4 5 baas cedid salah \n",
"\n",
" Keyword_4 Keyword_5 Keyword_6 Keyword_7 Keyword_8 Keyword_9 \\\n",
"0 çerkesya 1777 savaşına lakapları qo bjeduğ \n",
"1 altfamilyasıdır clark 1863 cinsler taksonomi 2023 \n",
"2 cinstir bağlantılar kaynakça ghost ghetto ghez \n",
"3 konyaspor deportivo étienne coruña kiralandı imzaladı \n",
"4 1970 1993 1926 siyasetçiler fraksiyon bitar \n",
"\n",
" ... Score_1 Score_2 Score_3 Score_4 Score_5 Score_6 Score_7 Score_8 \\\n",
"0 ... 0.5162 0.4130 0.3481 0.1903 0.1850 0.1740 0.1032 0.1032 \n",
"1 ... 0.7030 0.4687 0.2343 0.2052 0.2011 0.1808 0.1745 0.1583 \n",
"2 ... 0.6762 0.6762 0.2125 0.1782 0.0714 0.0588 0.0000 0.0000 \n",
"3 ... 0.8107 0.2490 0.1245 0.1159 0.1159 0.1139 0.1121 0.1065 \n",
"4 ... 0.5065 0.4892 0.2026 0.1679 0.1610 0.1403 0.1205 0.1062 \n",
"\n",
" Score_9 Score_10 \n",
"0 0.1032 0.1032 \n",
"1 0.1555 0.1458 \n",
"2 0.0000 0.0000 \n",
"3 0.0913 0.0896 \n",
"4 0.1062 0.1062 \n",
"\n",
"[5 rows x 21 columns]\n"
]
}
],
"source": [
"import pandas as pd\n",
"\n",
"# Örnek TF-IDF skoru ve anahtar kelimeler\n",
"keyword_data = pd.read_csv('keywords_with_scores.csv')\n",
"\n",
"df = pd.DataFrame(keyword_data)\n",
"print(df.head())\n"
]
},
{
"cell_type": "code",
"execution_count": null,
"metadata": {},
"outputs": [],
"source": [
"import pandas as pd\n",
"from langdetect import detect, DetectorFactory\n",
"\n",
"DetectorFactory.seed = 0 # Her zaman aynı sonuçları almak için\n",
"\n",
"def is_turkish(text):\n",
" try:\n",
" return detect(text) == 'tr'\n",
" except:\n",
" return False\n",
"\n",
"def filter_turkish_keywords(text):\n",
" if pd.isna(text):\n",
" return [] # NaN değerleri boş liste olarak döndür\n",
" keywords = text.split(',') # Anahtar kelimeleri virgülle ayır\n",
" return [kw.strip() for kw in keywords if is_turkish(kw.strip())]\n",
"\n",
"# CSV dosyasını oku\n",
"df = pd.read_csv('path_to_your_file.csv')\n",
"\n",
"# Anahtar kelime sütunlarını belirle\n",
"keyword_columns = ['Keyword_1', 'Keyword_2', 'Keyword_3', 'Keyword_4', 'Keyword_5', \n",
" 'Keyword_6', 'Keyword_7', 'Keyword_8', 'Keyword_9', 'Keyword_10']\n",
"\n",
"# Her anahtar kelime sütunu için Türkçe olanları filtrele\n",
"for col in keyword_columns:\n",
" df[f'{col}_Turkish'] = df[col].apply(filter_turkish_keywords)\n",
"\n",
"print(df.head())\n"
]
}
],
"metadata": {
"kernelspec": {
"display_name": ".venv",
"language": "python",
"name": "python3"
},
"language_info": {
"codemirror_mode": {
"name": "ipython",
"version": 3
},
"file_extension": ".py",
"mimetype": "text/x-python",
"name": "python",
"nbconvert_exporter": "python",
"pygments_lexer": "ipython3",
"version": "3.10.11"
}
},
"nbformat": 4,
"nbformat_minor": 2
}
|