Aspect-based text classification using large language model guided knowledge graph
Büyük dil modeli güdümlü bilgi çizgesi kullanarak hedef tabanlı metin sınıflandırması
- Tez No: 1022859
- Danışmanlar: DOÇ. DR. EMRAH İNAN
- Tez Türü: Yüksek Lisans
- Konular: Mühendislik Bilimleri, Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Engineering Sciences, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2026
- Dil: İngilizce
- Üniversite: İzmir Yüksek Teknoloji Enstitüsü
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Genellikle, uzmanların aksine hastalar, karmaşık, alışılmadık ifadeleri içeren tıbbi raporları anlamakta zorluk çekerler. Bu durumda, hastalara yardımcı olması açısından, bu tarz raporlar belirli bir forma getirilerek akıllı sağlık sistemlerinde kullanılabilir. Bu tezde iki aşamalı bir çalışma sunuyoruz. İlk aşamada, öğeler (özellikle anatomiyle alakalı terimler) Büyük Dil Modelleri (LLM'ler) ve biyomedikal Bilgi Grafiklerinden yararlanan modeller kullanılarak bulunur. Hedeflerin çıkarılması ve ilgili kategorilerle eşleştirilmesi için Adlandırılmış Varlık Tanıma (NER) kullanılır. İkinci aşamada, bu terimlerle ilişkili etiketler, LLM'ler ve görev bazlı modeller kullanılarak belirlenir. Bireysel olarak öğeler düzeyinde duyguyu tanımlamak ve analiz etmek için Hedef Tabanlı Duygu Analizi (ABSA) uygulanır. Buna ek olarak, standart çıktılar elde etmek için LLM'lere konuyla alakalı kurallar, çeşitli örnekler verilir ve farklı komut yapılarına göre performansları gözlemlenir. Son olarak modeller, NER ve ABSA görevleri sırasında hesaplanan skorları kullanılarak birbirleriyle karşılaştırılır. Deneysel bulgular, RaTE-NER-DeBERTa modelinin NER görevinde 64.762 F1 skoruyla en iyi performansı elde ettiğini, LLM'ler arasında LLaMA 3.1'in ise 52.489 ile en yüksek skoru aldığını göstermektedir. ABSA görevinde ise, yangheng/deberta-v3-base-absa-v1.1'in 85,48 ve LLM'ler arasında Meditron'un F1 85,29 skorlarıyla en iyi sonuçları verdikleri gözlemlenir.
Özet (Çeviri)
In most cases, unlike specialists, patients struggle to understand medical reports that commonly include complicated, unusual phrases. Structured representation of these reports is beneficial to be utilised in smart health systems that can be helpful for patients in such cases. In this thesis, we propose a two-stage approach. Firstly, anatomy related aspect terms are extracted using Large Language Models (LLMs) and models that leverage biomedical knowledge graphs by applying Named Entity Recognition (NER), which is used to extract the aspects and map them to associated categories as a preliminary task for ABSA. Secondly, sentiment polarities associated with these extracted aspects are determined using LLMs and task-specific models by carrying out Aspect-Based Sentiment Analysis (ABSA), which is used to identify and analyze sentiment at the level of individual aspects. Additionally, LLMs are provided strict rules along with sort of examples to obtain standardized outputs and their performances are observed based on given different prompt structures. Finally, models are compared to each other by using their evaluated scores through NER and ABSA subtasks. The experimental findings indicate that the RaTE-NER-DeBERTa model achieves the best performance in the aspect extraction task, with F1-score of 64.762, while among the LLMs, LLaMA 3.1 shows the greatest score with F1-score of 52.489. In the sentiment polarity detection task, yangheng/deberta-v3-base-absa-v1.1 reaching an F1-score of 85.48 and Meditron, as an LLM, achieving an F1-score of 85.29, produce strong results.
Benzer Tezler
- The significance and the contribution of 6+1 traits of writing to the success of the students in writing courses in English language teaching
Yazmanın 6+1 özelliğinin İngilizce öğretiminde yazılı anlatım derslerindeki öğrenci başarısına katkısı ve önemi
ÖZLEM YAZAR
Yüksek Lisans
İngilizce
2004
Eğitim ve ÖğretimGazi Üniversitesiİngiliz Dili Eğitimi Ana Bilim Dalı
YRD. DOÇ. DR. PAŞA TEVFİK CEPHE
- Türkçe sözcük anlam belirsizliği giderme
Word sense disambiguation for Turkish
BAHAR İLGEN
Doktora
Türkçe
2015
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. EŞREF ADALI
YRD. DOÇ. DR. AHMET CÜNEYD TANTUĞ
- Özellik tabanlı görüş madenciliğinde yapay zeka teknikleri kullanarak görüş hedefi çıkarımı ve kategori tespiti
Opinion target extraction and category detection using artificial intelligence techniques in aspect-based opinion mining
KÜRŞAT MUSTAFA KARAOĞLAN
Doktora
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKarabük ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. OĞUZ FINDIK
- Mimari tasarımda biçim grameri:metro istasyon tasarımı
Shape grammer in architectural design: subway station design
NURBİN PAKER
- Post training of large language models for targeted natural language processing tasks
Hedefe yönelik doğal dil işleme görevleri için büyük dil modellerinin sonradan eğitilmesi
MOHAMMED RAWHANI
Yüksek Lisans
İngilizce
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolErciyes ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. DERVİŞ KARABOĞA