Probabilistic learning of Turkish morphosemantics by latent syntax
Turkçe için morfolojik anlambilgisinin gizli sözdizimi ile olasılıksal öğrenimi
- Tez No: 476049
- Danışmanlar: PROF. DR. HÜSEYİN CEM BOZŞAHİN
- 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: Orta Doğu Teknik Üniversitesi
- Enstitü: Enformatik Enstitüsü
- Ana Bilim Dalı: Bilişsel Bilim Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 65
Özet
Insanların dil işleme yeteneği, dilbilgisi olarak formalize edilen sözdizim ve anlambilim arasındaki arayüze bağımlıdır. Turkçe gibi morfolojisi zengin dillerde, morfoloji bu arayüze müdahale eder. Bu tez morfolojik anlambilgisiden ve kelimelerin içerisindeki örtülü sözdiziminden yola çıkarak ile onların anlamlarını keşfetmeyi amaçlamaktadır. Bu bağlamda, morfemlerin sözdizimsel kategorilerinden ve anlamsal öğelerinden oluşan bir morfem sözlüğü öğrenmek üzere bir model geliştirilmiştir. Kelimelerin içindeki olası morfemleri tespit etmek için kelimelerin dağılımsal özelliklerini kullanan bir bölümlenme algoritması, olası morfemlerin sözlük içindeki ağırlıklarını Öğrenme için ise olasılıksal ulamsal dilbilgisi kullanılmıştır. Yapım ekleri anlamları farklı yeni sözcükler ürettiği için, geliştirilen model çekim ekleri üzerine eğilmektedir. Tez kapsamında model test edilmiş ve sonuçlar farklı yönleri ile rapor edilmiştir.
Özet (Çeviri)
The language processing capability of humans is highly dependent on the transparent interface between syntax and semantics which is formalized as the grammar. Morphology also interferes with this interface, in languages having rich morphology such as Turkish. This thesis aims to discover word semantics in Turkish from the compositional morphosemantics by underlying latent syntax. A computational model has been developed to learn a morpheme lexicon in which each morpheme contains semantic information in logical form with a basic syntactic type. A knowledge-free segmentation algorithm based on distributional properties of words is used to extract pseudo-morphemes from words. We utilize a classical probabilistic CCG grammar for lexical learning. Since derivational changes can be handled with lexicalization of words, we employ our model for the inflectional morphemes in Turkish. The model has been tested and results obtained is reported in the thesis with various aspects.
Benzer Tezler
- Doğal dil işlemede çizgesel ve olasılık tabanlı bir otomatik öğrenme uygulaması
A machine learning application in natural language processing based on probabilistic graph models
HAYRİ VOLKAN AGUN
Yüksek Lisans
Türkçe
2008
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolTrakya ÜniversitesiBilgisayar Mühendisliği Bölümü
YRD. DOÇ. DR. ERDEM UÇAR
YRD. DOÇ. DR. YILMAZ KILIÇASLAN
- Çoklu ipucu olasılıksal öğrenme görevi sırasındaki nöral yapıların graf analizleri
Graph analyses of the neural structures during multipl-CUE probability learning task
GÖZDE KIZILATEŞ
Yüksek Lisans
Türkçe
2018
PsikolojiEge ÜniversitesiSinir Bilimi Ana Bilim Dalı
PROF. DR. ALİ SAFFET GÖNÜL
- A study of implicit learning: Through auditory stimuli
Başlık çevirisi yok
ASLI ASLAN
Doktora
İngilizce
2003
PsikolojiUniversity of Nebraska-LincolnPsikoloji Ana Bilim Dalı
DR. JOHN H. FLOWERS
- Probability learning in normal and parkinson subjects: The effect of reward, context, and uncertainty
Ödülün, bağlamın ve belirsizliğin olasılıksal öğrenmeye olan etkisi
BURAK ERDENİZ
Yüksek Lisans
İngilizce
2007
NörolojiOrta Doğu Teknik ÜniversitesiBilişsel Bilim Ana Bilim Dalı
YRD. DOÇ. DR. DİDEM GOKCAY
YRD. DOÇ. DR. BİLGE SAY
- Olasılıksal modeller ile Türkçe müzik türlerinin sınıflandırılması
Classification of Turkish music genres with probabilistic models
MEHMET CÜNEYT ÖZBALCI
Yüksek Lisans
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBursa Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. TURGAY TUGAY BİLGİN