Geri Dön

Derin öğrenme yaklaşımlarını kullanarak makale atıflarının semantik analizi

Semantic analysis of article cites using deep learning approaches

  1. Tez No: 614414
  2. Yazar: NABILA ELMUKHTAR MOHAMAD ALBANNAI
  3. Danışmanlar: YRD. DOÇ. DR. YASEMİN GÜLTEPE
  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: Kastamonu Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Malzeme Bilimi ve Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 51

Özet

Anlamsal yayıncılık; yayınlanan bir dergi makalesinin anlamını geliştirmek, otomatik keşfini kolaylaştırmak, anlamsal olarak ilgili makalelere bağlanmasını sağlamak, makale içindeki verilere işlem yapılabilir biçimde erişim sağlamak ve makaleler arasında verilerin bütünlüğünü kolaylaştırmak için anlamsal web teknolojilerinin kullanımı ile sağlanmaktadır. Anlamsal web teknolojileri ve bilgi gösterimi, bilginin yeniden yapılandırılmasını, yapılandırılmış ve makine tarafından okunabilir bir şekilde paylaşımını arttırır. Anlamsal web teknolojileri ve derin öğrenme, akıl yürütme, onaylama ve tahmin etme gibi insan zekasını bilgisayar aracılığıyla taklit eden akıllı yapay nesneler yaratma hedefini paylaşır. Yapılan bu tez çalışmanın amacı; Anlamsal web teknolojileri kullanılarak geliştirilen atıf ontolojisi ile birlikte derin öğrenme uygulamaları kullanılarak hem anlamsal web teknolojilerinin hem de derin öğrenme uygulamalarının avantajlarını sunan derin öğrenme tabanlı atıf ağında semantik arama yöntemi geliştirmektir. Çalışma kapsamında geliştirilen atıf ontoloji, dergi makalelerine yapılan atıflar hakkında bilgileri sağlamaktadır. Atıf ontoloji, Protégé ontoloji geliştirme editörü kullanılarak yaratılmıştır. Protégé ontoloji geliştirme editörünün grafik arayüzü sayesinde atıf ile ilgili konular görsel olarak tanımlanmakta ve böylelikle tanımlanmak istenilen alan modellenebilmektedir. Tez çalışmasından önerilen atıf ağının semantik analizinde derin öğrenme yöntemleri kullanılarak geliştirilen sistem sonucunda eşleştirme işlemlerinde kesin eşleşmelerden daha fazla benzer dergi makalesi bularak önerilen yöntemin dergi makalesi eşleştirme başarımını artırmaya yönelik etkileri tespit edilmiştir.

Özet (Çeviri)

Semantic publishing; the use of web and semantic web technologies to improve the meaning of a published journal article, facilitate its automatic discovery, connect to semantically related articles, provide processable access to data within the article, and facilitate the integrity of data between articles. Semantic web technologies and information display enhance information restructuring, sharing in a structured and machine-readable way. It shares the goal of creating semantic web technologies and intelligent artificial objects that imitate human intelligence via computer, such as deep learning, reasoning, validation and prediction. The aim of this thesis is to develop a deep learning based search method in citation network that provides the advantages of both semantic web technologies and deep learning applications by using deep learning applications together with citation ontology developed using semantic web technologies. The citation ontology developed within the scope of the study provides information about citations to journal articles. Citation ontology was created using the Protégé ontology development editor. The protégé ontology development editor's graphical interface allows visual identification of citation issues, so that the desired area can be modeled. In the semantic analysis of the citation network proposed in the thesis study, the system developed by using deep learning methods found more similar journal articles in the matching process than the exact matches, and the effects of the proposed method to increase the journal article matching performance were determined.

Benzer Tezler

  1. Fake news classification using machine learning and deep learning approaches

    Makine öğrenimi ve derin öğrenme yaklaşımlarını kullanarak sahte haber sınıflandırması

    SAJA ABDULHALEEM MAHMOOD AL-OBAIDI

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ TUBA ÇAĞLIKANTAR

  2. Derin öğrenme ile cerrahi video anlama

    Surgical video understanding with deep learning

    ABDISHAKOUR ABDILLAHI AWALE ABDISHAKOUR ABDILLAHI AWALE

    Yüksek Lisans

    İngilizce

    İngilizce

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi Üniversitesi

    Bilişim Sistemleri Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ DUYGU SARIKAYA

  3. Deep reinforcement learning approach for trading automation in the stock market

    Hisse senetlerinde işlem otomasyonu için derin güçlendirme öğrenme yaklaşımı

    TAYLAN KABBANİ

    Yüksek Lisans

    İngilizce

    İngilizce

    2021

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolÖzyeğin Üniversitesi

    Veri Bilimi Ana Bilim Dalı

    Prof. Dr. EKREM DUMAN

  4. Evolutionary feature optimization for plant leaf disease detection by deep neural networks

    Bitki yaprak hastalık teşhisi için derin sinir ağları ile evrimsel özellik optimizasyonu

    JALAL SADOON HAMEED AL BAYATI

    Doktora

    İngilizce

    İngilizce

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    Prof. Dr. BURAK BERK ÜSTÜNDAĞ

  5. The analytical solutions and deep learning assessment of long waves over linear and nonlinear breadth and depth profiles: 30 October 2020 İzmir tsunami case

    Doğrusal olan ve olmayan genişlik ve derinlik profilleri üzerinde uzun dalgaların çözümleri ve derin öğrenme ile değerlendirilmesi: 30 Ekim 2020 İzmir tsunamisi örneği

    ALİ RIZA ALAN

    Doktora

    İngilizce

    İngilizce

    2024

    Deniz Bilimleriİstanbul Teknik Üniversitesi

    Kıyı Bilimleri ve Mühendisliği Ana Bilim Dalı

    DOÇ. DR. CİHAN BAYINDIR