Geri Dön

Çoklu etiketleme ile metin bölütleme için sezgi üstü bir yöntem

A meta heuristic method for text segmentation with multi labeling

  1. Tez No: 828987
  2. Yazar: SELCAN KAYAHAN
  3. Danışmanlar: PROF. DR. URFAT NURIYEV, DOÇ. DR. KORHAN GÜNEL
  4. Tez Türü: Doktora
  5. Konular: Matematik, Mathematics
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2023
  8. Dil: Türkçe
  9. Üniversite: Ege Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Matematik Ana Bilim Dalı
  12. Bilim Dalı: Bilgisayar Bilimleri Bilim Dalı
  13. 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

  1. 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

    Türkçe

    2020

    Eğitim ve ÖğretimAnadolu Üniversitesi

    Bilgisayar ve Öğretim Teknolojileri Eğitimi Ana Bilim Dalı

    DOÇ. DR. ÖZCAN ÖZGÜR DURSUN

  2. Multilabel classification with neural network

    Yapay sinir ağları ile çok etiketli sınıflandırma

    SEZİN EKŞİOĞLU

    Yüksek Lisans

    İngilizce

    İngilizce

    2022

    Bilim ve TeknolojiÖzyeğin Üniversitesi

    Veri Bilimi Ana Bilim Dalı

    DOÇ. DR. OKAN ÖRSAN ÖZENER

  3. Pragmatic annotations for spoken language: A corpus-based approach

    Konuşma dili için edimbilimsel etiketleme: Bütünce tabanlı yaklaşım örneği

    C. EVREN ALPASLAN

    Doktora

    İngilizce

    İngilizce

    2002

    İngiliz Dili ve EdebiyatıHacettepe Üniversitesi

    İngiliz Dilbilimi Ana Bilim Dalı

    PROF.DR. GÜRAY KÖNİG

  4. 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

    İngilizce

    2016

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. YUSUF YASLAN

  5. 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

    İngilizce

    2023

    Endüstri ve Endüstri Mühendisliğiİstanbul Teknik Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    PROF. DR. ALP ÜSTÜNDAĞ