selimogluburak/bankacilik-duzenleme-korpusu

Bankacılık Düzenleme Korpusu

Türkiye'de bankacılık ve finans sektörünü ilgilendiren, kamuya açık düzenleyici kurum belgelerinden derlenen açık bir Türkçe metin korpusu. Amaç, bankacılık mevzuatı ve düzenleyici uygulamasına ilişkin metinlerin makine-okunabilir, aranabilir ve araştırmaya açık tek bir yerde toplanmasıdır.

Sürüm v0.5 — beş kaynak, toplam 11,937 belge.

Metodolojik olarak Türk İçtihat Korpusu şablonunu izler: nezaket sınırlı tarama, ham dosya sağlaması (SHA-256), tekilleştirme, kişisel veri maskeleme, Parquet.

Kapsam

bddk belge tipleri

• —kurul_karari: 949
• —rehber: 23
• —genelge: 16
• —taslak: 16
• —kanun: 7
• —hesap_plani: 3
• —yonetmelik: 3
• —mulga_genelge: 3
• —mulga_kanun: 1
• —mulga_yonetmelik: 1
• —mulga_teblig: 1
• —mulga_rehber: 1
• —diger: 1
• —teblig: 1

tcmb belge tipleri

• —karar: 120
• —talimat: 80
• —diger: 31
• —teblig: 25
• —yonetmelik: 11
• —genelge: 10
• —kanun: 5
• —mukavele: 1

spk belge tipleri

• —teblig: 78
• —yonetmelik: 21
• —rehber: 10
• —karar: 7
• —kanun: 2
• —mulga_yonetmelik: 2
• —mulga_teblig: 2
• —diger: 2

rekabet_kurumu karar türleri

• —Birleşme ve Devralma: 4,897
• —Rekabet İhlali: 3,589
• —Menfi Tespit ve Muafiyet: 1,133
• —Diğer: 519
• —Özelleştirme: 218

Ortak şema

Üç config de şu alanları paylaşır:

rekabet_kurumu ek alanları: karar_turu, yayim_tarihi, tarih_uyari, bankacilik, bankacilik_kademe, bankacilik_esles, bankacilik_yogunluk. bddk, mevzuat_gov, tcmb ve spk ek alanları: belge_no, rg_sayisi, bolum (TCMB'de çıkarma yöntemi: pdf, ocr, zip, docx; SPK'da kurumun anahtar kelimeleri).

Toplama yöntemi

• —Rekabet Kurumu: karar arama listesi (1.037 sayfa) sayfa sayfa gezilmiş, her kararın PDF'i indirilip pdfplumber ile metne çevrilmiştir. 9 belge (%0,09) taranmış PDF olduğu için dışarıda bırakılmıştır.
• —BDDK: dokuz mevzuat listesi (/Mevzuat/Liste/{id}) taranmış, her belge DokumanGetir ucundan PDF olarak indirilmiştir. Künye (Resmî Gazete tarihi ve sayısı, genelge numarası) liste başlıklarından ayrıştırılmıştır.
• —Mevzuat Bilgi Sistemi: iki aşamalı: (1) BDDK listelerinin atıf yaptığı mevzuatlar, (2) sitenin listeleme ucundan çekilen 8.295 mevzuat künyesi bankacılık/finans terimleriyle süzülerek seçilen belgeler. Her mevzuatın konsolide metin sayfası açılıp içindeki resmî dosya bağlantısı izlenmiştir; belgeler PDF, eski Word (.doc) veya UTF-16 kodlu HTML olarak sunulmakta, üçü de düz metne çevrilmektedir.
• —TCMB: on dört mevzuat kategorisi sayfası (Bankacılık, Kambiyo, Ödeme Sistemleri, Piyasalar, Operasyonel İşlemler, Dış Ticaret, Emisyon, İstatistik…) taranmış, sayfalardaki belge bağlantıları indirilmiştir. Belgeler PDF, Word, ZIP (çok dosyalı talimat paketleri) ve taranmış görüntü olarak sunulmaktadır. Görüntü PDF'ler tesseract (Türkçe) ile OCR edilmiştir (121 belge).
• —SPK: mevzuat.spk.gov.tr'nin kendi API'si kullanılmıştır (api/mevzuat/list, api/rehber/list ile künye; api/{tip}/file/{id} ile belge). SPK'nın kurum içi düzenlemeleri (personel, disiplin, bütçe, teşkilat) kapsam dışı bırakılmıştır. Künyeler SPK'nın kendi anahtar kelimelerini içerir.

Tüm taramalarda istekler arası en az 2 saniye bekleme ve hata durumunda üstel geri çekilme uygulanmış, her belge için ham dosyanın SHA-256 sağlaması saklanmıştır.

Bankacılık etiketi (yalnızca rekabet_kurumu)

bankacilik alanı sezgisel bir sınıflandırıcıdır, uzman etiketi değildir:

• —Başlık kademesi: karar başlığında banka/finans kuruluşu unvanı ya da sektör terimi kelime sınırlı olarak eşleşiyorsa. TMSF varlık satışları, kalkınma bankaları (İller Bankası, EBRD, IFC), banka personel vakıfları ve kısaltma çakışmaları (Türk Eczacıları Birliği "TEB", Beşiktaş Kültür Merkezi "BKM") dışlanmıştır.
• —Metin kademesi: başlıkta eşleşme yoksa, tam metinde banka-ailesi terimlerinin yoğunluğu 10.000 karakter başına 8'i geçiyorsa.

bankacilik_esles ve bankacilik_yogunluk alanları her kararın neden alt kümede olduğunu gösterir; kullanıcı kendi eşiğini uygulayabilir. bddk ve mevzuat_gov config'lerinin tamamı zaten bankacılık düzenlemesidir.

Hukuki dayanak ve etik

• —Belgelerin tamamı ilgili kurumların internet sitelerinde kamuya açık olarak yayımlanmaktadır; bu korpus yalnızca yayımlanmış metinleri içerir. Rekabet Kurulu kararlarındaki ticari sır redaksiyonu Kurum'un yaptığı haliyle korunmuştur.
• —Kamu kurumlarınca resmen yayımlanan düzenleyici işlemler için 5846 sayılı FSEK'in 31. maddesi çoğaltma ve yaymayı serbest bırakır. Kurul kararlarının bu madde kapsamında değerlendirilmesi doktrinde tartışmalı olabilir; belgeler her hâlükârda idari işlem niteliğinde resmî belgelerdir.
• —Kişisel veri: metinlerde TCKN, IBAN, kart numarası, telefon ve e-posta desenleri [TCKN], [IBAN], [KART], [TELEFON], [EPOSTA] ile maskelenmiştir (toplam 5,765 alan). Kişi adları kurumların yayımladığı haliyle korunmuştur.
• —Kaldırma/düzeltme talepleri: burakselimoglu6@gmail.com

Sınırlılıklar

• —PDF→metin dönüşümü tablo ve dipnot yerleşimini bozabilir.
• —bankacilik etiketi sezgiseldir (yukarıya bakınız).
• —rekabet_kurumu'nda 71 kayıtta kaynak verideki karar sayısı/tarih tutarsızdır; tarih_uyari ile işaretlenmiş, year karar sayısından türetilmiştir.
• —mevzuat_gov bankacılık/finans ile ilgili mevzuatı kapsar, Türk mevzuatının tamamını değil. Bazı belgelerin ekleri ana metne dahil değildir.
• —tcmb config'inde 121 belge taranmış görüntü PDF olduğu için OCR ile çıkarılmıştır; bu belgelerde karakter hataları bulunabilir ve tablo yapısı korunmaz. Çıkarma yöntemi bolum alanında işaretlidir (ocr, pdf, zip, html16, ole, docx).
• —Mevzuat metinleri yürürlükteki konsolide hâlleridir; tarihsel sürümler bulunmamaktadır.
• —spk config'i SPK ilke kararlarını henüz içermemektedir.
• —Yayım gecikmesi nedeniyle en güncel kararların bir kısmı henüz kurum sitelerinde değildir; korpus periyodik olarak güncellenir.

Atıf

@dataset{bankacilik_duzenleme_korpusu_v0_5,
  title  = {Bankacılık Düzenleme Korpusu},
  author = {selimogluburak},
  year   = {2026},
  url    = {https://huggingface.co/datasets/selimogluburak/bankacilik-duzenleme-korpusu},
  note   = {v0.5: Rekabet Kurumu, BDDK, Mevzuat Bilgi Sistemi, TCMB, SPK}
}