Geri Dön

Konvolusyonel sinir ağları kullanarak Türkçe metinler için cümle sınıflandırması

Sentence classification using convolutional neural networks for Turkish text

  1. Tez No: 625420
  2. Yazar: GURUR PIRANA
  3. Danışmanlar: PROF. DR. AHMET SERTBAŞ
  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: 2020
  8. Dil: Türkçe
  9. Üniversite: İstanbul Üniversitesi-Cerrahpaşa
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
  13. Sayfa Sayısı: 56

Özet

Bu çalışmada derin öğrenme ve makine öğrenmesi yöntemleri kullanılarak cümle sınıflandırma problemi ele alınmıştır. Çalışmanın amacı, Konvolüsyonel Sinir Ağları (CNN-Convolutional Neural Networks), Bölge Konvolüsyonel Sinir Ağları (RCNN Region Convolutional Neural Networks),Uzun-Kısa Süreli Hafıza (LSTM-Long Short Term Memory) , Naive Bayes Multinomial , Lojistik Regresyon , Destek Vektör Makineleri gibi farklı derin öğrenme ve makine öğrenmesi metotlarının veri kümesi üzerinde başarımlarını incelemektir. Bu yöntemler ile elde edilen modellerin eğitim parametrelerinin değişiminin başarıma olan etkisi araştırılmıştır. Her bir model için başarımı en yüksek olan parametreler tespit edilmiş ve kullanılmıştır. Bu çalışmanın amacı, cümle sınıflandırılması için geliştirilen modelin, giriş verisini, yani cümleyi uygun olan sınıf ile eşleştirilip bu sınıfın karşılığındaki cevabın üretilmesidir. Çıktı değerleri değişken olup metin, dosya, resim veya bir url çıktısı olabilir. Girdi cümlesinin karşılığında çıktı aracılığıyla işlem yönlendirmesi de yapılabilmektedir. Bu işlem sanal asistan gibi uygulamaların geliştirilmesinde ve kullanılmasında kolaylık sağlamaktadır. Gözlemlediğimiz önemli bir konu da veri kümesinde bulunan örnek sayısının model üzerindeki başarım etkisidir. Örnek sayısının artışı model başarımının artışını doğrudan etkilemektedir. Aynı zamanda derin öğrenme ve makine öğrenmesi yöntemlerinin eğitim sürelerinin arasındaki fark gözlemlenmiş ve aralarında karşılaştırma yapılmıştır. Sonuç olarak, oluşturduğumuz Türkçe veri kümesi ile en iyi başarımı Konvolüsyonel Sinir Ağları (CNN)' yöntemi ile elde etmiş bulunmaktayız.

Özet (Çeviri)

This paper investigates deep learning and machine learning method performance for virtual assistant applications about sentence classification. The classification is based in Turkish texts. For different methods we demonstrate the performance of each model. We investigate Convolutional Neural Network (CNN), Region Convolutional Neural Network (RCNN), Long Short Term Memory (LSTM), Naïve Bayes Multinomial, Logistic Regression, Support Vector Machine (SVM) deep and machine learning methods and compare the accuracy results of the related models. Furthermore, we aim to select the best classification model for our dataset. We have researched effect of the parameters to model accuracy and we used model parameters for each methods and we aimed to gain best performance for our dataset. This research helps applications like virtual assistant with classification of the sentence and giving the output of the class. The output of classification could be a text, document, image or url. Benefit of this comparison of the methods we realized that instance number increases the model accuracy. The best method for our dataset was the Convolutional Neural Networks (CNN).

Benzer Tezler

  1. Konvolusyonel Yapay Sinir Ağları Kullanarak Ataletsel Ölçüm Birimi Tabanlı Hareket Analizinde Veri Çoğaltma

    Data augmentation in motion analysis based on inertial measurement units by using convolutional neural networks

    EMRAH MURAT TEKELİ

    Yüksek Lisans

    Türkçe

    Türkçe

    2021

    SporMarmara Üniversitesi

    Beden Eğitimi ve Spor Ana Bilim Dalı

    PROF. DR. HALUDUN AKPINAR

  2. Derin öğrenme yöntemleri ile asma yaprak hastalıklarının sınıflandırılması

    Classification of vine leaf diseases using deep learning methods

    YASİN ÜNAL

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    Bilim ve TeknolojiAmasya Üniversitesi

    Teknoloji ve İnovasyon Yönetimi Ana Bilim Dalı

    PROF. DR. MEHMET KARA

  3. Derin öğrenmeli konvolüsyonel sinir ağları (deep learnıng convolutıonal neural network) kullanarak fotoğraftan trizomi 21(down sendromu) tespiti

    Detection of trisomy 21 (down syndrome) from image using deep learning convolutional neural network method

    HATİCE KILINÇ

    Yüksek Lisans

    Türkçe

    Türkçe

    2018

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolÇukurova Üniversitesi

    Biyomedikal Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ CABBAR VEYSEL BAYSAL

  4. Silah seslerinin konvolüsyonel yapay sinir ağları ile sınıflandırılması ve atıcı konum tespitinin yapılması

    Classification of weapon sounds with convolutional neural networks and detection of shooter location

    İLYAS ÖZER

    Doktora

    Türkçe

    Türkçe

    2018

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKarabük Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. OĞUZ FINDIK

  5. Tek boyutlu hibrit evrişimsel sinir ağları ve uzun kısa süreli bellek mimarileri kullanarak EKG sinyallerinin sınıflandırılması

    Classification of ECG signals using one-dimensional hybridconvolutional neural networks and long short-term memoryarchitectures

    NUR TOLAN

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. AHMET ÇINAR