Update README.md

README.md

@@ -170,9 +170,87 @@ The system is modular, consisting of several Python components:
   Methods to differentiate between identically named but contextually distinct concepts.
 
 ---
+# ChronoSense: Bilimsel Kavram Analizi ve Görselleştirme Sistemi
+
+![ChronoSense Logo](https://img.shields.io/badge/ChronoSense-v1.0-blue?style=for-the-badge)
+![Durum](https://img.shields.io/badge/Status-Geliştirme-orange?style=for-the-badge)
+![Lisans](https://img.shields.io/badge/License-MIT-green?style=for-the-badge)
+![Python Versiyonu](https://img.shields.io/badge/Python-3.8+-yellow?style=for-the-badge)
+
+## 🔍 Model Açıklaması
+
+**ChronoSense**, bilimsel belgelerin (özellikle PDF biçiminde) otomatik işlenmesine yönelik kapsamlı bir sistemdir. Ana amacı, bilimsel metinlerden önemli kavramları çıkarmak (**spaCy**), bu kavramlar arasındaki anlamsal ve yapısal ilişkileri analiz etmek (**NetworkX**, **sentence-transformers**) ve bu ilişkileri zaman içinde etkileşimli grafiklerle görselleştirmektir (**Pyvis**).
+
+ChronoSense, araştırmacıların yoğun bilimsel literatür ortamında daha etkin gezinebilmesini, fikirler arasındaki gizli bağlantıları keşfetmesini ve araştırma alanlarının zaman içindeki evrimini anlamasını kolaylaştırır.
+
+## 🌟 Temel Özellikler
+
+- **📄 Otomatik PDF İşleme**: Bilimsel PDF belgelerinden metin ve varsa meta verileri (yayın yılı gibi) çıkarır.
+- **🧠 Kavram Çıkarımı (spaCy)**: Doğal dil işleme teknikleriyle alan-özgü kavramları tanımlar.
+- **🔗 İlişki Tespiti**: Kavramlar arası anlamsal (benzerlik, birlikte geçme) ve yapısal (bölüm konumları) ilişkileri ortaya çıkarır.
+- **🕸️ Ağ Analizi (NetworkX)**: Kavramlar arası ağ oluşturur, merkeziyet ve topluluk tespiti gibi metrikleri hesaplar.
+- **↔️ Anlamsal Benzerlik (sentence-transformers)**: Kavramlar arası benzerliği önceden eğitilmiş gömülü modellerle ölçer.
+- **⏳ Zamansal Analiz**: Kavramların zaman içindeki frekanslarını ve trendlerini izler.
+- **📊 Etkileşimli Görselleştirme (Pyvis)**: Kavram ağı grafiğini HTML olarak etkileşimli şekilde sunar.
+
+## 🚀 ChronoSense Ne İçin Faydalı?
+
+ChronoSense, araştırmacıların karşılaştığı birçok önemli zorluğu hedef alır:
+
+1. **Bilgi Aşırılığına Karşı**: Geniş literatürden önemli kavramları otomatik çıkarır ve yapılandırır.
+2. **Gizli Bağlantıları Keşfetme**: Farklı dönem ve çalışmalardan gelen kavramlar arasındaki örtük ilişkileri ortaya çıkarır.
+3. **Araştırma Dinamiklerini Takip Etme**: Hangi kavramların öne çıktığını, ne zaman zirve yaptığını ve azaldığını gösterir.
+4. **Araştırma Boşluklarını Belirleme**: Ağ yapısı sayesinde yeterince çalışılmamış alanları saptar.
+5. **Literatür Taramalarını Hızlandırma**: Bir alanın kavramsal haritasını hızlıca sunar.
+6. **Bilgi Keşfini Kolaylaştırma**: Karmaşık bilimsel bilgileri görselleştirerek erişilebilir hale getirir.
+
+## 💡 Hedef Kullanım Alanları
+
+ChronoSense aşağıdaki amaçlar için idealdir:
+
+- **🔬 Alan Analizi**: Belirli bir bilimsel alanın yapısını ve evrimini analiz etmek.
+- **📚 Literatür Taramaları**: Anahtar kavramlar, ilişkiler ve eğilimleri tespit etmek.
+- **🗺️ Bilgi Haritalama**: Kavramlar arası ilişkilerin görsel haritasını çıkarmak.
+- **📈 Yükselen Trendleri Tespit Etmek**: Zaman içinde öne çıkan kavramları belirlemek.
+- **🤔 Araştırma Boşluklarını Bulmak**: Az bağlantılı veya yalıtılmış kavramları belirlemek.
+- **🎓 Eğitim Amaçlı**: Kavramsal ilişkileri ve hiyerarşileri öğretmek.
+
+## 🛠️ Uygulama Detayları
+
+Sistem aşağıdaki Python modüllerinden oluşur:
+
+- `src/data_management/loaders.py`: PDF yükleme ve metin/metadata çıkarımı.
+- `src/extraction/extractor.py`: spaCy ile kavram çıkarımı ve ilişki tespiti.
+- `src/analysis/similarity.py`: sentence-transformers ile gömülü üretimi ve benzerlik hesaplaması.
+- `src/analysis/network_builder.py`: Kavram ağı oluşturur.
+- `src/analysis/network_analysis.py`: Ağ metrikleri ve topluluk analizi yapar.
+- `src/analysis/temporal.py`: Kavramların zaman içindeki frekanslarını analiz eder.
+- `src/visualization/plotting.py`: Pyvis ile etkileşimli grafikler üretir.
+- `src/data_management/storage.py`: İşlenmiş verileri Parquet/Pickle olarak kaydeder.
+
+## 📥 Girdiler / 📤 Çıktılar
+
+### Girdi:
+- PDF belgelerinden oluşan bir klasör (`data/raw/`)
+- Yapılandırma dosyası ve parametreler
+
+### Çıktı:
+- `data/processed_data/` altında:
+  - `documents.parquet`, `concepts.parquet`, `relationships.parquet`
+  - `concept_embeddings.pkl`, `mentions.parquet`
+- `output/graphs/concept_network_visualization.html`
+- `output/networks/concept_network.pkl`
+- Opsiyonel görseller (`output/*.png`)
+
+## 📊 Performans
+
+- **Kavram Tanımlama Başarımı**: AI/ML alanında yaklaşık %82 doğruluk.
+- **İlişki Geri Çağırma**: %76 civarında bölüm seviyesinde co-occurrence.
+- **Ağ Yapısı**: NetworkX metrikleri, topluluk modülerliği ~0.68.
+- **İşleme Hızı**: Orta düzey CPU’da ~25 sayfa/dakika.
 
 
-## 📁 Project Structure 
+## 📁 Project Structure (ALL)
 
 ```bash
 C:.
@@ -234,4 +312,4 @@ C:.
     │
     └───visualization        # Visualization tools / Görselleştirme araçları
         │   
-        │   plotting.py         # Pyvis, Matplotlib vb. ile grafik oluşturur
+        │   plotting.py         # Pyvis, Matplotlib vb. ile grafik oluşturur