Classification of contradictory opinions in text using deep learning methods
Metinlerdeki karşıt fikirlerin derin öğrenme yöntemleri ile sınıflandırılması
- Tez No: 655324
- Danışmanlar: DR. ÖĞR. ÜYESİ SELMA TEKİR
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2020
- Dil: İngilizce
- Üniversite: İzmir Yüksek Teknoloji Enstitüsü
- Enstitü: Mühendislik ve Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 71
Özet
Doğal dil çıkarımı problemi, doğal dili anlamlandırırken önermelerin doğruluğunun yanında tutarlılığını da sağlamayı hedeflemektedir. Doğal dil çıkarımı, verilen iki cümlenin birbiri arasındaki ilişkinin karşıtlık, örtüşme - gerekseme veya tarafsızlık olarak sınıflandırmasını hedefler. Sınıflandırma görevini gerçekleştirmek için cümleler ya da kelimeler vektör ya da gömme olarak adlandırılan matematiksel gösterimlere çevrilmiş olmalıdır. Bir cümlenin vektörizasyonu, sınıflandırma modelinin karmaşıklığı kadar önemlidir. Bu çalışmada, hem önceden eğitilmiş (Glove, Fasttext, Word2Vec) hem de bağlamsal kelime gömme yöntemleri (BERT) karşılaştırma ve en iyi sonucu elde etmek için kullanılmıştır. Doğal dil işleme görevlerinden biri olan NLI oldukça karmaşıktır ve gelişmiş çözümler gerektirmektedir. Geleneksel makine öğrenmesi metodları doğal dil işleme çözümleri gerçekleştirmek için yetersizdir. Bu yüzden, daha gelişmiş çözümler gerekmiştir. Bu çalışma sınıflandırma görevi gerçekleştirmek için derin öğrenme yöntemlerinden faydalanmıştır. Geleneksel makine öğrenmesi yaklaşımlarından farklı olarak, derin öğrenme yaklaşımları veri üzerinde birçok kez tekrarlama gerçekleştirerek (Epoch), doğruluğu arttırırken hatayı düşürmektedir. Düşüncesel cümleler sınıflandırması zor olan karmaşık gramer yapılarına sahiptir. Bu çalışma, ayrıştırılabilir ilgi ve doğal dil çıkarımı için gelişmiş LSTM derin öğrenme modellerini, NLI sınıflandırma görevini gerçekleştirmek için kullanmıştır. SNLI veri seti üzerinde doğal dil çıkarımı için gelişmiş LSTM derin öğrenme yöntemi ve Bert bağlamsal vektörleri kullanılarak, rapor edilmiş en iyi sonuca %92.1 çok yakın bir değer %88.0 elde edilmiştir. Geliştirilen çözümün farklı NLI görevlerinde kullanılabilirliğini gösterebilmek için MNLI veri seti üzerinde yapılan çalışmalarda %80.02 doğruluk elde edilmiştir.
Özet (Çeviri)
Natural language inference (NLI) problem aims to ensure consistency as well as accuracy of propositions while making sense of natural language. Natural language inference aims to classify the relationship between two given sentences as contradiction, entailment or neutrality. To accomplish the classification task, sentences or words must be translated into mathematical representations called vectors or embedding. Vectorization of a sentence is as important as the complexity of the classification model. In this study, both pre-trained (Glove, Fasttext, Word2Vec) and contextual word embedding methods (BERT) were used for comparison and acquire the best result. One of the natural language processing tasks NLI, is highly complex and requires solutions. Conventional machine learning methods are insufficient to carry out natural language processing solutions. Therefore, more advanced solutions are required. This study used deep learning methods to perform the classification task. Unlike conventional machine learning approaches, deep learning approaches reduce errors while increasing accuracy by repeating the data many times. Opinion sentences have complex grammatical structures that are difficult to classify. This study used Decomposable Attention and Enhanced LSTM for natural language inference to perform NLI classification task. Using the advanced LSTM deep learning method and Bert contextual vectors for natural language extraction on the SNLI dataset, an accuracy result 88.0% very close state of the art result 92.1% was obtained. In order to show the usability of the developed solution in different NLI tasks, an accuracy of 80.02% was obtained in the studies performed on the MNLI data set.
Benzer Tezler
- Milli Mücadele anıları üzerine bir inceleme
A rewiew of the National Memories of Struggle
ERGUN KORBEK
Yüksek Lisans
Türkçe
2011
Türk İnkılap TarihiMarmara ÜniversitesiAtatürk İlkeleri ve İnkılap Tarihi Ana Bilim Dalı
PROF. DR. SÜLEYMAN BEYOĞLU
- Fen ve teknoloji programındaki ölçme ve değerlendirme anlayışının 4. ve 5. sınıf ders kitaplarına yansımaları
Reflections of the assessment approach in science and technology program in the 4th and 5th grade textbooks
BETÜL FİDAN
Yüksek Lisans
Türkçe
2010
Eğitim ve ÖğretimAbant İzzet Baysal Üniversitesiİlköğretim Fen Bilgisi Eğitimi Ana Bilim Dalı
PROF. DR. MEHMET BAHAR
- Türkiye - BRICS ülkeleri dış ticaretinin sektörel rekabet gücü analizi: (2008-2017) dönemi üzerine bir uygulama
Sectoral competitiveness analysis of foreign trade of Turkey-BRICS countries: An application period 2008-2017
ECE ATLAS
Yüksek Lisans
Türkçe
2019
EkonomiSüleyman Demirel Üniversitesiİktisat Ana Bilim Dalı
DOÇ. DR. NURDAN KUŞAT
- Avrupa İnsan Hakları Sözleşmesi ve Avrupa İnsan Hakları Mahkemesi kararları ışığında Türk Medeni Usul Hukuku açısından adil yargılanma hakkı
Right to a fair trial regarding Turkish Law of Civil Procedure in consideration of European Convention of Human Rights and the Desicions of European Court of Human Rights
SEZİN AKTEPE ARTIK
Doktora
Türkçe
2014
HukukGalatasaray ÜniversitesiÖzel Hukuk Ana Bilim Dalı
PROF. DR. YAŞAR HAKAN PEKCANITEZ
- Une etude sur le concept de negation dans le cadre de la critique Hegelinne de l'ironie romantique
Hegel'in romantik ironi eleştirisi çerçevesinde olumsuzlama kavramı üzerine bir inceleme
SEMA ÖZTEKİN
Yüksek Lisans
Fransızca
2024
FelsefeGalatasaray ÜniversitesiFelsefe Ana Bilim Dalı
DR. ÖĞR. ÜYESİ UMUT ÖKSÜZAN