Çoklu etiketleme ile metin bölütleme için sezgi üstü bir yöntem
A meta heuristic method for text segmentation with multi labeling
- Tez No: 828987
- Danışmanlar: PROF. DR. URFAT NURIYEV, DOÇ. DR. KORHAN GÜNEL
- Tez Türü: Doktora
- Konular: Matematik, Mathematics
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: Türkçe
- Üniversite: Ege Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Matematik Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Bilimleri Bilim Dalı
- Sayfa Sayısı: 60
Özet
Bu tezde, öncelikle eğitim içeriklerinden otomatik olarak öğretim kavramları tespit edilmiştir. Ardından metinsel veri formundaki eğitim içeriği, anlamsal bütünlüğü olan ve birbiriyle örtüşen metin bloklarına bölünmüş ve bu bloklardaki paragrafların birden fazla öğretim kavramıyla etiketlenmesi hedeflenmiştir. Tez, Millî Eğitim Bakanlığı tarafından okutulan Sanat Tarihi, Türk Kültür ve Medeniyet Tarihi kitaplarını temel almaktadır. Kitaplarda yer alan metinler üzerinde sezgisel ve sezgi üstü kümeleme yöntemleri, doğal dil işleme yöntemleri uygulanmış ve paragrafların hangi öğretim kavramıyla ilişkilendirildiği belirlenmeye çalışılmıştır. Bu amaç doğrultusunda, metin bloklarından öznitelik vektörleri çıkarılmış ve bu vektörler üzerine Temel Bileşen Analizi (PCA) uygulanmıştır. Daha sonra Parçacık Sürü Optimizasyonu (PSO) yöntemi kullanılarak kümeleme yapılmıştır. Ayrıca, önerilen modelin başarımını değerlendirmek için kitaplar içinde sunulan öğretim kavramları ile uzmanlar tarafından eşleştirilmiş bölütlendirilmiş metin blokları kullanılmıştır. Ağırlıklandırılmış ortalama karesel hata değerleri, sistemin çıktıları ile uzman görüşleri karşılaştırılarak hesaplanmıştır. Sonuçlar incelendiğinde, eğitim içeriklerinin çoklu olarak öğretim kavramları ile etiketlenmiş bir şekilde metin bloklarına bölünebileceği umudu ortaya çıkmıştır.
Özet (Çeviri)
In this thesis, first, the learning concepts have been extracted from an educational content automatically. Next, the educational content in textual format was divided into text blocks that have semantic integrity and overlap with each other, and the paragraphs in these blocks were primarily aimed to be labeled with more than one learning concept. The thesis is based on the History of Art and History of Turkish Culture and Civilization books taught in schools affiliated with the Ministry of National Education. Heuristic and meta heuristic clustering methods and natural language processing were applied on the books and it was tried to determine which learning concept each paragraph was associated with. For this purpose, feature vectors were extracted from text blocks and Principal Component Analysis (PCA) was applied on these vectors.Then, clustering was carried out using the Particle Swarm Optimization (PSO) method. Additionally, segmented text blocks paired with the learning concepts presented in the books by experts were used to evaluate the performance of the proposed model. Weighted mean square error values were calculated by comparing the outputs of the system with expert opinions. When the results were examined, the hope emerged that educational content could be divided into text blocks multi labeled with learning concepts.
Benzer Tezler
- Çoklu ortamla öğrenmede farklı etiketleme yaklaşımlarının başarı, bilişsel yük ve motivasyona etkisi
Effects of different tagging approaches on achievement, cognitive load and motivation in multimedia learning
ESRA BARUT TUĞTEKİN
Doktora
Türkçe
2020
Eğitim ve ÖğretimAnadolu ÜniversitesiBilgisayar ve Öğretim Teknolojileri Eğitimi Ana Bilim Dalı
DOÇ. DR. ÖZCAN ÖZGÜR DURSUN
- Multilabel classification with neural network
Yapay sinir ağları ile çok etiketli sınıflandırma
SEZİN EKŞİOĞLU
Yüksek Lisans
İngilizce
2022
Bilim ve TeknolojiÖzyeğin ÜniversitesiVeri Bilimi Ana Bilim Dalı
DOÇ. DR. OKAN ÖRSAN ÖZENER
- Pragmatic annotations for spoken language: A corpus-based approach
Konuşma dili için edimbilimsel etiketleme: Bütünce tabanlı yaklaşım örneği
C. EVREN ALPASLAN
Doktora
İngilizce
2002
İngiliz Dili ve EdebiyatıHacettepe Üniversitesiİngiliz Dilbilimi Ana Bilim Dalı
PROF.DR. GÜRAY KÖNİG
- Dictionary ensemble based active learning for multiple instance image classification
Çoklu örnekli görüntü sınıflandırması için sözlük topluluğu tabanlı aktif öğrenme
GÖKHAN KOÇYİĞİT
Yüksek Lisans
İngilizce
2016
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. YUSUF YASLAN
- Sentiment analysis model proposal with deep learning techniques on big data: Portfolio selection with the help of industry indicators
Büyük veri üzerinde derin öğrenme teknikleri ile duygu analizi model önerisi: Sektör göstergeleri yardımıyla portföy seçimi
MAHMUT SAMİ SİVRİ
Doktora
İngilizce
2023
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. ALP ÜSTÜNDAĞ