Geri Dön

Soru yanıtlama sistemleri için hibrid makine öğrenmesi tekniklerine dayalı bir yöntem tasarımı ve gerçekleştirimi

The design and implementation of a method for question answering systems based on hybrid machine learning techniques

PDF İndir

  1. Tez No: 728665
  2. Yazar: SİNEM ÇINAROĞLU
  3. Danışmanlar: DOÇ. DR. HASAN BULUT
  4. Tez Türü: Doktora
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2022
  8. Dil: Türkçe
  9. Üniversite: Ege Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
  13. Sayfa Sayısı: 176

Özet

Doğal dilde insan-bilgisayar etkileşiminin başlıca araştırma alanlarından biri olan Soru Yanıtlama Sistemleri, doküman uzayını kullanarak doğal dilde insanlar tarafından sorulan sorulara otomatik olarak cevaplar vermek için geliştirilen bir mimaridir. Ancak, Doğal Dil İşleme'de kullanılan öznitelik uzayının seyrekliği, yüksek boyutluluğu ve gereksiz özniteliklerin varlığı, kullanıcı sorularına doğru cevabı sunma konusunda önemli bir problem teşkil etmektedir. Bu zorluklarla mücadele etmek için sıklıkla başvurulan çözümlerin başında Makine Öğrenmesi yöntemleri gelmektedir. Bu tez çalışması kapsamında da, verileri en doğru şekilde temsil edecek, makine öğrenmesi tekniklerine dayalı etkin bir öznitelik seçim yöntemi önerilmiştir. Ayrıca bilinen çalışmalardan farklı olarak, soru yanıtlama problemi, sınıflandırma problemi olarak ele alınmış, bu problemin çözümü için derin öğrenme tabanlı soru yanıtlama sistemlerini kullanan melez bir sistem tasarımı geliştirilmiştir. Daha sonra, önerilen bu yöntemler soru yanıtlama çalışmalarında sıklıkla kullanılan TREC ve SQuAD veri seti üzerinde test edilmiş, temel makine öğrenmesi yöntemlerinin bireysel performansları ile karşılaştırılmıştır. Geliştirilen yöntemlerin performansı doğruluk ve F1-Skor ölçütleri kullanılarak değerlendirilmiştir. Yapılan deneysel çalışmalar sonucunda, geliştirilen yöntemler ile temel makine öğrenmesi yöntemlerinin soru yanıtlama ve sınıflandırma üzerindeki başarılarının arttırıldığı gözlemlenmiştir.

Özet (Çeviri)

Question Answering Systems is one of the main research areas of human-computer interaction in natural language. These systems are architectures that use document space and generate automatic answers of questions asked by people in natural language. Nevertheless, the sparseness, high dimensionality and redundancy of a feature space used in Natural Language Processing cause a significant problem in serving the correct answer to user questions. At this point, machine learning methods emerge as one of the most frequently used solutions to cope with this difficulty. Within the scope of this thesis, an effective feature selection method based on machine learning techniques has been proposed to represent the data in the most accurate way. In addition, unlike the known studies, the question answering problem is handled as a classification problem, and a hybrid system design using deep learning-based question answering systems is developed to solve this problem. Then, these proposed methods are tested on the TREC and SQuAD datasets, which are frequently used in question answering studies, and compared with the individual performances of classical machine learning methods. The performance of the developed methods is evaluated using the Accuracy and F1-Score metrics. As a result of experimental studies, it has been observed that the proposed methods increase the successes of classical machine learning methods on both question answering and classification tasks.

Benzer Tezler

  1. Tez No

    415224

    Open domain factoid question answering system

    Tek yanıtlı sorular için açık alanlı soru yanıtlama sistemi

    FARHAD SOLEİMANİAN GHAREHCHOPOGH

    Doktora

    İngilizce

    İngilizce

    2015

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolHacettepe Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. İLYAS ÇİÇEKLİ

  2. Tez No

    246562

    Turkish factoid question answering using answer pattern matching

    Yanıt örüntüsü eşleştirme yöntemi ile Türkçe tekil yanıtlı soru yanıtlama

    NAGEHAN PALA ER

    Yüksek Lisans

    İngilizce

    İngilizce

    2009

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİhsan Doğramacı Bilkent Üniversitesi

    Bilgisayar Mühendisliği Bölümü

    YRD. DOÇ. DR. İLYAS ÇİÇEKLİ

  3. Tez No

    763288

    Auto question answering system using DBPEDIA

    DBPEDIA'yı kullanan otomatik soru yanıtlama sistemi

    SARA MHD NASER JOUMA

    Yüksek Lisans

    İngilizce

    İngilizce

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Aydın Üniversitesi

    Yazılım Mühendisliği Ana Bilim Dalı

    PROF. DR. ALİ OKATAN

  4. Tez No

    898295

    A framework for open-domain question answering system

    Açık çalışma alanı soru yanıtlama sistemi için bir çerçeve oluşturulması

    HARUN BOLAT

    Doktora

    İngilizce

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAnkara Yıldırım Beyazıt Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. BAHA ŞEN

  5. Tez No

    895546

    Knowledge graph augmented multi-hop question answering using large language models

    Büyük dil modelleri kullanılarak bilgi grafiği destekli çok adımlı soru cevaplama

    BARIŞ DENİZ SAĞLAM

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik Üniversitesi

    Enformatik Ana Bilim Dalı

    PROF. DR. ALTAN KOÇYİĞİT

Geri Dön