Türkçe Resmî Yazışma Veri Seti

Bu veri seti Teknofest 2026 KACHOW takımı için oluşturulmuştur.

Açık kaynak resmî yazışma kurumlarından derlenmiş, anonimleştirilmiş bir Türkçe belge külliyatı. Üst yazı, cevap yazısı, bilgilendirme metni, dilekçe ve diğer resmî yazışma türlerini kapsar; bir yazışma asistanının biçim, üslup ve içerik yapısını öğrenmesi/başvurması için tasarlanmıştır.

Veri seti özeti

• 1.763 belge
• 5 yazışma kategorisi: cevap yazısı, üst yazı, bilgilendirme metni, dilekçe, diğer resmî yazışma
• Kaynak: resmî kurum web siteleri, açık kamu API'leri, yayımlanmış genelge/sirküler/tebliğ metinleri
• Her kayıt kişisel verilerden arındırılmıştır — ad-soyad, T.C. kimlik no, telefon, e-posta, IBAN gibi alanlar bağlama duyarlı yer tutucularla ([KİŞİ ADI], [T.C. KİMLİK NO], ...) değiştirilmiştir

Kategori dağılımı

Her kategori ayrı bir dosyada / split'te:

Kullanım alanları

• Resmî yazışma taslağı üreten bir dil modeli için biçim/üslup referansı (retrieval-augmented generation)
• Yazışma türü sınıflandırması
• Türkçe bürokratik dil/kayıt üzerine araştırma

Veri yapısı

Her kayıt bir JSON satırıdır. Alanlar:

Veri oluşturma süreci

1. Toplama — resmî kurum siteleri, açık kamu API'leri ve yayımlanmış genelge/tebliğ arşivlerinden PDF, HTML, DOCX ve API çıktısı olarak toplandı.
2. Dönüştürme — her belge OCR/parse edilerek tek biçimli Markdown'a çevrildi; başlık, kurum, tarih gibi alanlar yapılandırılmış metadata olarak ayrıştırıldı.
3. Anonimleştirme — bağlama duyarlı bir kural motoru; kişi adı, imza sahibi, vekil, T.C. kimlik no (checksum doğrulamalı), telefon, e-posta, IBAN ve çeşitli kayıt/sicil numaralarını tespit edip semantik yer tutucularla değiştirdi. Sonuç ayrıca ayrı bir denetim geçişinden geçirildi.

Lisans

Bu veri setinin kodu, şeması, anonimleştirme/küratasyon işlemleri ve derlenmiş hâli Apache License 2.0 ile lisanslanmıştır.

Kaynak belgelerin büyük bölümü açık kaynak resmî yazışma kurumlarının resmî olarak yayımladığı metinlerdir (genelge, tebliğ, sirküler, bilgilendirme); 5846 sayılı Fikir ve Sanat Eserleri Kanunu'nun 30. maddesi uyarınca bu tür resmî ilan edilmiş metinler eser sayılmaz. İçerik yayınlanmadan önce kişisel veriler tamamen arındırılmıştır.

Atıf

@misc{resmi_yazisma_2026,
  title  = {Türkçe Resmî Yazışma Veri Seti},
  author = {KACHOW Teknofest 2026 Ekibi},
  year   = {2026},
  note   = {https://huggingface.co/datasets/Ygthn/Teknofest_2026_KACHOW}
}