1. Giris

Bu rapor, SwiftKey Capstone projesindeki metin verilerinin kesifsel analizini sunar.

Amac, blog, haber ve Twitter metinlerinin temel ozelliklerini incelemek ve sonraki kelime tahmin modeli icin bir baslangic olusturmaktir.

2. Veri Seti Ozeti

SwiftKey Veri Seti Ozeti
Dosya Boyut (MB) Satir Kelime Ortalama Kelime/Satir
en_US.blogs.txt 200.4 899288 37540000 41.7
en_US.news.txt 196.3 1010242 34760000 34.4
en_US.twitter.txt 159.4 2360148 30100000 12.8

Temel Bulgular

  • Twitter dosyasi en fazla satira sahiptir.
  • Blog ve haber metinleri ortalama olarak daha uzundur.
  • Uc dosya farkli metin turlerini temsil eder.

3. Kelime Dagilimi

Asagidaki grafikler, her metin turu icin ornek kelime sayisi dagilimlarini gosterir.

Not: Bu grafikler gercek SwiftKey satirlarindan hesaplanmamis, temsili normal dagilimlardan uretilmistir. Gercek veri dosyalariyla yapilacak analizde bu grafikler guncellenmelidir.

4. Sonraki Kelime Tahmini Plani

Tahmin modeli icin planlanan adimlar:

  1. Metinleri temizleme ve on isleme.
  2. Kelime frekanslarini hesaplama.
  3. Bigram ve trigram modellerini olusturma.
  4. Daha uzun eslesme bulunamadiginda backoff yontemi kullanma.
  5. Modelin tahmin performansini test etme.

5. Shiny Uygulamasi Plani

Planlanan uygulamada kullanici bir metin girecek ve model, metnin devaminda gelebilecek kelimeyi tahmin edecektir.

6. Sonuc

Bu rapor, SwiftKey Capstone projesinin ilk kesifsel analiz asamasini ve sonraki modelleme adimlarini ozetlemektedir. Nihai analizde gercek veri dosyalarindan elde edilen istatistikler kullanilmalidir.