Learning to rank web data using multivariate adaptive regression splines
Çok değişkenli uyarlanabilir regresyon eğrileri ile web verilerini sıralamayı öğrenme
- Tez No: 527809
- Danışmanlar: PROF. DR. İNCİ BATMAZ, PROF. DR. PINAR KARAGÖZ
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, İstatistik, Computer Engineering and Computer Science and Control, Statistics
- Anahtar Kelimeler: Büyük veri, Makine öğrenmesi yöntemleri, Veri madenciliği, Big data, Machine learning methods, Data mining
- Yıl: 2018
- Dil: İngilizce
- Üniversite: Orta Doğu Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: İstatistik Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Son zamanlarda Bilgi Edinme (BE), Doğal Dil İşleme (DDİ) ve Veri Madenciliği (VM) gibi alanlardaki çeşitli uygulamalarda otomatik olarak sıralama modelleri oluşturmak için makina öğrenmesi tekniklerinin kullanılması amacıyla sıralamayı öğrenmek adında yeni bir yaklaşım ortaya çıkmıştır. Bu tekniğin tipik uygulama alanları arasında belge alma, uzman arama, tanımlama arama, işbirlikçi filtreleme, soru yanıtlama ve makine çevirisi gibi pratikler mevcuttur. Bilgi edinme alanında, sıralama için kullanılan üç yaklaşım vardır. Bu yaklaşımlardan biri, Boole Modeli (BM), Vektör Uzay Modeli (VUM) ve klasik Olasılık Modeli (klasik OM) gibi geleneksel modelleri kapsayan bir yaklaşımdır. Bilgi edinmede kullanılan bir diğer yaklaşım ise doğal Dil Modeli (DM) olarak adlandırılır. Bu yaklaşım n-gram Modelleri ve Sorgu Olabilirlik Modellerini (SOM) içermektedir. Üçüncü yaklaşım ise, Destek Vektör Modeli (DVM) ve Yapay Sinir Ağı (YSA) gibi makine öğrenim yöntemlerinden oluşan sistem modeli yaklaşımıdır. Bu çalışmada, sistem modeli yaklaşımında benimsenmiş ve yaygın olarak kullanılan bu modellerinin, DVM ve YSA yöntemlerinin, performansları Çok değişkenli Uyarlanabilir Regresyon Eğrileri (ÇURE) ve Konik ÇURE modelinin (KÇURE) modellerinin performansları ile karşılaştırılmıştır. Sonuçlar ÇURE modelin bu çalışmada göz önüne alınan diğer modellerden daha iyi olduğunu göstermektedir.
Özet (Çeviri)
A new trend, called learning to rank, has recently come to light in a wide variety of applications in Information Retrieval (IR), Natural Language Processing (NLP), and Data Mining (DM), to utilize machine learning techniques to automatically build the ranking models. Typical applications are document retrieval, expert search, definition search, collaborative filtering, question answering, and machine translation. In IR, there are three approaches used for ranking. The first one is the traditional model approaches such as Boolean Model (BM), Vector Space Model (VSM) and classical Probabilistic Model (classical PM). The second approach is called the Language Model (LM). Such models include n-gram Model, Query Likelihood Model (QLM). The final method is namely the system model like Support Vector Model (SVM) and Artificial Neural Network (ANN). In this study, we adopted the system model approach and compared the performances of those widely used models, SVM and ANN with those of Multivariate Adaptive Regression Splines (MARS) and its variant Conic Multivariate Adaptive Regression Splines (CMARS). Results indicate that MARS performs better than the others considered in this study.
Benzer Tezler
- Ameliyat öncesi hastaların ameliyata ilişkin duyguları, düşünceleri ve bilgi istekleri
The Pre-operative patiensts feelings throughts and information requirements concerning their surgical operations
KADRİYE BULDUKOĞLU
Yüksek Lisans
Türkçe
1987
HemşirelikCumhuriyet ÜniversitesiHemşirelik Ana Bilim Dalı
YRD. DOÇ. DR. MELİHA ATALAY
- Sivas ili cumhuriyet üniversitesi tip fakültesi numune ve sosyal sigortalari kurumu hastanelerinde çalişan hemşirelerin intra venöz (damar içi) sivi tedavisine ilişkin bilgi ve uygulamalari
The knowledge and practice related to the intravenous fluid theraph of the nurses working at the hospital of the medical faculty in cumhuriyet university, numune hastanesi and sosyal sigortalar kurumu hastanesi in sivas
İLKAY KALELİ
Yüksek Lisans
Türkçe
1985
HemşirelikCumhuriyet ÜniversitesiHemşirelik Ana Bilim Dalı
YRD. DOÇ. DR. MELİHA ATALAY
