Transition based dependency parsing with deeplearning
Derin öğrenme ile geçişli bağlılık analizi
- Tez No: 528287
- Danışmanlar: DOÇ. DR. DENİZ YURET
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2018
- Dil: İngilizce
- Üniversite: Koç Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Bilimleri ve Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: 66
Özet
Bu tezde bir dil modelinden tu ̈retilen bir kelimenin sol ve sag ̆ bag ̆lamını temsil eden vekto ̈leri tanıtıyorum. Bu vekto ̈rlerin faydasını c ̧ok katmanlı algılayıcı (MLP) bag ̆lılık ayrıs ̧tırıcı model ile test ettim. 2017 Evrensel Bag ̆lılık Analizi yarıs ̧masında 33 katılımcı arasından 7. olan bu model, sag ̆/sol bag ̆lam vekto ̈rlerinin bag ̆lılık ayrıs ̧tırmasında kul- lanıldıg ̆ındaayrıs ̧tırmanındog ̆rulug ̆unuo ̈nemlio ̈lc ̧u ̈dearttırdıg ̆ınıgo ̈steriyor. Butezde daha detaylı anlatacag ̆m c ̧ok katmanlı ayrıs ̧tırıcı model bir takım el-yapımı o ̈zelliklerden de faylandıg ̆ında en iyi performansı vermektedir. Derin o ̈g ̆renmedeki son gelis ̧melerden fay- dalanarak el-yapımı o ̈zellik belirlemek yerine bunu otomatikles ̧tiren bir model gelis ̧tirdim. Bu model yine bu tezde tanıttıg ̆ım bic ̧imsel o ̈zellik vekto ̈rleri ile birles ̧tig ̆inde c ̧ok katmanlı ayrıs ̧tırıcı modelden daha yu ̈ksek bas ̧arım elde etti. Bu model ile 2018 Evrensel Bag ̆lılık Analizi yarıs ̧masına katıldım. Modelim 30 farklı sistem ic ̧erisinden 16. oldu.
Özet (Çeviri)
I introduce word and context embeddings derived from a language model representing left/right context of a word instance and demonstrate that context embeddings significantly improve the accuracy of transition based parser. Our multi-layer perceptron (MLP) parser making use of these embeddings was ranked 7th out of 33 participants (ranked 1st among transition based parsers) in CoNLL 2017 UD Shared Task. However MLP parser relies on additional hand-crafted features which are used to summarize sequential information. I ex- ploit recurrent neural networks to remove these features by implementing tree-stack LSTM, and develop new set of continuous embeddings called morphological feature embeddings. According to official comparison results in CoNLL 2018 UD Shared Task, our tree-stack LSTM outperforms MLP in transition based dependency parsing.
Benzer Tezler
- Derin öğrenme yöntemleri ile Türkçede bağlılık ayrıştırma
Dependency parsing with deep learning methods in Turkish
MÜCAHİT ALTINTAŞ
Doktora
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. AHMET CÜNEYD TANTUĞ
- Effect of contextual embeddings on graph-based dependency parsing
Başlık çevirisi yok
BERKAY FURKAN ÖNDER
Yüksek Lisans
İngilizce
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKoç ÜniversitesiBilgisayar Bilimleri ve Mühendisliği Ana Bilim Dalı
PROF. DR. DENİZ YURET
- Devrez havzasının beşeri ve ekonomik coğrafyası
The Devrez basin human and economic geography
B. ÜNAL İBRET
- NiMn,NiMnP+ ve CrFe alaşım ince filmlerinde elektron spin rezonans (ESR) ve direnç ölçümleri
Başlık çevirisi yok
MUSTAFA ÖZDEMİR
Doktora
Türkçe
1998
Fizik ve Fizik Mühendisliğiİstanbul Teknik ÜniversitesiFizik Mühendisliği Ana Bilim Dalı
PROF. DR. YILDIRHAN ÖNER
- Giydirme cam cepheli farklı fonksiyonlara sahip binaların, ses yalıtımı açısından değerlendirilmesi
Study of the glass curtain wall facades sound insulation on different type of buildings
DURUL ŞAN YÜZGEÇ
Yüksek Lisans
Türkçe
2017
Mimarlıkİstanbul Teknik ÜniversitesiMimarlık Ana Bilim Dalı
PROF. DR. SEVTAP YILMAZ