Geri Dön

Merkez tabanlı metin sınıflandırma

Centroid-based text classification

PDF İndir

  1. Tez No: 571975
  2. Yazar: ORKUN HARAÇVERMEZ
  3. Danışmanlar: DR. ÖĞR. ÜYESİ RIFAT AŞLIYAN
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2019
  8. Dil: Türkçe
  9. Üniversite: Aydın Adnan Menderes Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Matematik Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: Belirtilmemiş.

Özet

Son yıllarda bilişim alanındaki büyük ilerlemeden dolayı çok miktarda metin verilerinin işlenmesi ve sınıflandırılması ihtiyacı vardır. Sınıflandırılan verilere çok daha hızlı erişim mümkün olmaktadır. Metin sınıflandırma, dokümanların otomatik olarak önceden belirlenmiş metin kategorilerinin hangisine ait olduğunu belirleme işlemidir. Sınıflandırma yapmak için metin verileri eğitim ve test veri seti olmak üzere iki parçaya bölünür. Eğitim seti ile metotlar eğitilir. Test veri seti ile metotların sınıflandırma başarısı tespit edilir. Sınıflandırılacak dokümanlar ilk olarak ön işlemden geçirilir. Sonra her dokümanın öznitelikleri çıkarılarak doküman vektörleri oluşturulur. Bu vektörler metotlara girdi olarak alınır ve metotlar eğitilir. Böylece metoda bağlı eğitilmiş model elde edilir. Test aşamasında ise verilen bir dokümanın öznitelik vektörüne dönüştürüldükten sonra metot modeli ile hangi sınıfa ait olduğu belirlenir. Bu tezde internet üzerinden elde edilen metin verilerini merkez tabanlı metotlardan Standart Merkez Tabanlı Metot, Yaklaştır-Uzaklaştır Metot, Geniş Mesafe Yaklaştır-Uzaklaştır Metot ve Çekim Modeli ile diğer önemli metotlardan K-En Yakın Komşu, Naive Bayes ve Destek Vektör Makinesi kullanarak uygulamalar yapılmıştır. Bahsi geçen yöntemlerin performansları, Doğruluk ve F1-Ölçüsü metrikleri kullanılarak karşılaştırılmıştır.

Özet (Çeviri)

In recent years, it is necessary to process and classify a lot of text textual data because of great advances in information technology. After text data is classified, it can be accessed very fast. Text classification is the process of automatically assigning the most suitable classes for documents. For classification the textual data is divided by two sets as training and testing sets. For classification, methods are trained with the training sets. With the test sets, we determine how the performance of a method is. The documents for classification are firstly preprocessed. After that, the features of each document are extracted and document vectors are constructed. These vectors are given as inputs for the classification methods and are trained with the methods. In this way, the models of each method are generated according to the training set. After converting the document to the feature vectors, in the testing operation, the document given as an input to categorize is decided which class it belongs to. In this thesis, using the methods as Standard Centroid Based Method, Drag-Push Method, Large Margin Drag Push Method, Gravitational Model, K-Nearest Neighbor, Naive Bayes and Support Vector Machine we have developed the applications with the data sets obtained on the Internet. The performance of these methods are evaluated and compared with each other according to the Accuracy and F1-Score metrics.

Benzer Tezler

  1. Tez No

    479618

    Metin madenciliğinde kümeleme algoritmalarının matematiksel analizi üzerine

    On mathematical analysis of clustering algorithms in text mining

    OĞUZCAN ULUDAĞ

    Yüksek Lisans

    Türkçe

    Türkçe

    2017

    MatematikEge Üniversitesi

    Matematik Ana Bilim Dalı

    DOÇ. DR. BURAK ORDİN

  2. Tez No

    421061

    Türkçe sözcük anlam belirsizliği giderme

    Word sense disambiguation for Turkish

    BAHAR İLGEN

    Doktora

    Türkçe

    Türkçe

    2015

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. EŞREF ADALI

    YRD. DOÇ. DR. AHMET CÜNEYD TANTUĞ

  3. Tez No

    970658

    Explainable Turkish text classification for internet media discourses on brain drain and migration attitudes

    Beyin göçü ve göç tutumları üzerine Türk internet medyası söylemlerinde açıklanabilir Türkçe metin sınıflandırması

    BATUHAN YILDIRIM

    Yüksek Lisans

    İngilizce

    İngilizce

    2025

    Bilim ve TeknolojiKadir Has Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. TANER ARSAN

  4. Tez No

    984307

    Acil çağrı merkezine gelen çağrıların doğal dil işleme yöntemleri ile sınıflandırılması: bilecik 112 acil çağrı merkezi örneği

    Classification of calls received by the emergency call center using natural language processing methods: Bilecik 112 emergency call center example

    ÖZLEM TAN

    Yüksek Lisans

    Türkçe

    Türkçe

    2025

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBilecik Şeyh Edebali Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ RIDVAN YAYLA

  5. Tez No

    1019841

    A large language model (LLM)-based framework for bid/no-bid decision support in construction public procurement: Validated on romanian tenders

    İnşaat kamu ihalelerinde teklif verme / vermeme karar desteği için büyük dil modeli (LLM) tabanlı bir çerçeve: Romanya ihaleleri üzerinde doğrulama

    ELİF GÜLİN PETEK

    Yüksek Lisans

    İngilizce

    İngilizce

    2026

    İnşaat Mühendisliğiİstanbul Teknik Üniversitesi

    İnşaat Mühendisliği Ana Bilim Dalı

    DOÇ. DR. ONUR BEHZAT TOKDEMİR

Geri Dön