Abstract :Metin sınıflandırması bilgi geri getirim, doğal dil işleme gibi farklı alanlarda önemli bir konudur. Ancak etiketlenmiş veri miktarının az olması ve yüksek miktardaki verinin etiketlenmesinde yaşanan güçlükler metin sınıflandırması işini zorlaştırmaktadır. Yarı-gözetimli bir öğrenme sistemi olan eş-talim algoritması, bu sorunların üstesinden gelmek için küçük bir etiketlenmiş veri kümesinin etiketlenmemiş örneklerden faydalanarak genişletilmesini sağlar. Bu bildiride eş-talim algoritmasını temel alan bir sınıflandırma yönteminin, Türkiye Üniversitelerinde bilgisayar mühendisliği (BM) bölümünde verilen derslerin sınıflandırmasındaki başarısı incelenmektedir. Eş-talim yönteminde bir örnek iki ayrık sınıflandırma özelliğiyle ifade edilir. Çalışmamızda eş talim yönteminin uygulanması için gerekli olan iki ayrık özellik, derse ait başlık ve içerik bilgisi olarak kabul edilmiştir. Başlık ve içerik özelliklerini dikkate alan sınıflandırıcıların ortak kararı ile etiketlenmiş veri kümesi genişletilerek sınıflandırma doğruluğu arttırılmaya çalışılmıştır. Eş-talim sınıflandırıcısı olarak Naive Bayes (NB) ve destek vektör makinesi (DVM) kullanılmıştır. Önerilen yöntem her iki sınıflandırıcıda NB yönteminin kullandığı durumda sınıflandırmada 71% doğruluk oranı elde etmiştir. Keywords : Eş-Talim, Sınıflandırma, Naive Bayes, Destek vektör makinesi
