Enhancing feature selection with contextual relatedness filtering using Wikipedia
Wikipedia yolu ile bağlamsal ilişki filtrelemesi kullanarak geliştirilmiş özellik seçme
- Tez No: 470041
- Danışmanlar: PROF. FAZLI CAN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2017
- Dil: İngilizce
- Üniversite: İhsan Doğramacı Bilkent Üniversitesi
- Enstitü: Mühendislik ve Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Bilimleri ve Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Özellik çıkarımı, bilgi getirimi ve doğal dil işleme alanlarındaki uygulamalar için önemli bir bileşendir. Bu bileşen, dökümanlar için ayırt edici kelimeler seçmek için kullanılır ve bu kelimeler kümeleme, çoklu döküman özetleme ve sınıflandırma için kullanılabilir. Seçilen özellikler dökümaları için ilgisiz kelimeler olabileceğinden seçildikleri bu dökümanları her zaman en iyi biçimde temsil edemeyebilirler. Bu problemi ele aldığımızda biz iki yönlü bir katkı sağlıyoruz. Birinci olarak, özellik gruplarının kalitesini arttırmak amacıyla kelimelerin, kümelerinin konularıyla arasındaki bağlamsal ilişkiyi kullanarak ilgisiz kelimelerin özellik listelerinden silen yeni bir yaklaşım sunuyoruz. İkinci olarak, kelimelerin, kümelerinin konularıyla arasında bir ilişki olup olmadığına karar vermek amacıyla yeni bir yöntem öne sürüyoruz. Yöntemimiz, söz konusu bir kelimenin, bir döküman kümesi için ayırt edici olarak seçilmiş olan kelimeler ile dış bir kaynakta beraber bulunma sayısına göre bağlamsal olarak ilişkili olup olmadığına karar veriyor. Bu çalışmamız için dış kaynak olarak Wikipedia'yı kullandık. Özellik setlerinden ilgisiz olan kelimelerin silinmesi daha iyi ve ilgili özellik listelerinin ortaya çıkmasını sağlıyor. Yaklaşımlarımızı, özellik setlerinin direk olarak etiket adayı olarak kullanılabildiği kümeleme etiketleme problemi üzerinde değerlendiriyoruz. Bu problem için birçok kez kullanılmış olan 20NG ve ODP veri setleri üzerinde çalışıyoruz. Bulgularımıza göre, bağlamsal ilişki değerlendirme yöntemimiz başarılı bir şekilde kelimelerin konularla olan bağlamsal ilişki durumunu tespit ediyor ve bu ilişki bilgisini kullanarak ilgisiz kelimelerin etiket adayları arasından silinmesi kümeleme etiketleme kalitesini kayda değer biçimde geliştiriyor.
Özet (Çeviri)
Feature selection is an important component of information retrieval and natural language processing applications. It is used to extract distinguishing terms for a group of documents; such terms, for example, can be used for clustering, multi-document summarization and classification. The selected features are not always the best representatives of the documents due to some noisy terms. Addressing this issue, our contribution is twofold. First, we present a novel approach of filtering out the noisy, unrelated terms from the feature lists with the usage of contextual relatedness information of terms to their topics in order to enhance the feature set quality. Second, we propose a new method to assess the contextual relatedness of terms to the topic of their documents. Our approach automatically decides the contextual relatedness of a term to the topic of a set of documents using co-occurrences with the distinguishing terms of the document set inside an external knowledge source, Wikipedia for our work. Deletion of unrelated terms from the feature lists gives a better, more related set of features. We evaluate our approach for cluster labeling problem where feature sets for clusters can be used as label candidates. We work on commonly used 20NG and ODP datasets for the cluster labeling problem, finding that it successfully detects relevancy information of terms to topics, and filtering out irrelevant label candidates results in significantly improved cluster labeling quality.
Benzer Tezler
- Evaluation of vector and graph-based search methods in a banking knowledge platform using advanced language models
Bankacılık bilgi platformu için vektör ve grafik temelli arama yöntemlerinin gelişmiş dil modelleriyle değerlendirilmesi
BÜNYAMİN BAKIR
Yüksek Lisans
İngilizce
2025
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiBüyük Veri ve İş Analitiği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SÜHA TUNA
- Âşık Çelebi'nin Meşâ'irü'ş-şu'âra adlı tezkiresi (Bağlamlı dizin ve işlevsel sözlük: (Elif) – (Sad) harfleri arası)
The contextual index and functional dictionary of Aşik Çelebi's“Meşâ'irü'ş-şu'arâ”(The letters between (Elif) and (Sad)
AYŞENUR AKPINAR
Doktora
Türkçe
2025
Türk Dili ve EdebiyatıAnkara Hacı Bayram Veli ÜniversitesiTürk Dili ve Edebiyatı Ana Bilim Dalı
PROF. DR. İSMAİL HAKKI AKSOYAK
- İnvolüsyonel sinir ağları ile hiperspektral verilerin analizi
Analysis of hyperspectral data with involutional neural networks
MÜCAHİT CİHAN
Doktora
Türkçe
2024
Elektrik ve Elektronik MühendisliğiKonya Teknik ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. MURAT CEYLAN
- Dinamik geometri uygulamalarının 9. sınıf öğrencilerinin matematik okuryazarlığı öz-yeterlik inançlarına ve kavramsal anlamalarına etkisi
The effect of dynamic geometry applications on 9th grade students mathematical literacy self efficacy beliefs and conceptual understanding
MUHAMMET BARAK
Yüksek Lisans
Türkçe
2025
Eğitim ve ÖğretimYıldız Teknik ÜniversitesiMatematik ve Fen Bilimleri Eğitimi Ana Bilim Dalı
PROF. DR. ELİF BAHADIR
- Meram / Gödene TOKİ konutlarında çevresel etkenlerin sürdürülebilir mimarlık bağlamında değerlendirilmesi
Evaluation of environmental factors in Meram/Gödene TOKİ housing in the context of sustainable archi̇tecture
SEDANUR ÇANKAYA
Yüksek Lisans
Türkçe
2025
MimarlıkKto Karatay ÜniversitesiMimarlık Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MUSTAFA KAŞ