Weakly-supervised relation extraction
Zayıf denetlenen ilişki çıkarımı
- Tez No: 840536
- Danışmanlar: PROF. DR. İLYAS ÇİÇEKLİ
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: İngilizce
- Üniversite: Hacettepe Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 80
Özet
İlişki çıkarımı, soru yanıtlama ve metin özetleme gibi birçok doğal dil işleme uygulaması için çok önemlidir. İlişki çıkarımı için farklı yaklaşımlar olmasına rağmen bunların çoğu, geniş bir eğitim veri seti gerektiren denetimli öğrenme yaklaşımını kullanır. Bu kapsamlı veri kümelerinin uzmanlar tarafından elle etiketlenmesi gerekir, bu da eğitim sürecini zaman alıcı ve pahalı hale getirir. Bu tezde kullanılan yaklaşıma zayıf denetimli ilişki çıkarımı adı verilmektedir. Zayıf denetimli öğrenme kullanılarak eğitim verileri etiketlemenin maliyeti azaltılabilir. Bu tezde, zayıf denetlenen başka bir model olan REPEL'den ilham alan, zayıf denetlenen bir ilişki çıkarma yaklaşımı öneriyoruz. Hem REPEL'de hem de ilişki çıkarma yaklaşımımızda, başta verilen ilişki örnekleri kullanılarak etiketlenmemiş metinlerden yeni çıkarım örüntüleri türetilir. Daha kullanışlı çıkarım örüntüleri elde etmek için yöntemimizde etiketleme fonksiyonlarının kullanımını tanıtıyoruz. Bu etiketleme işlevleri, aday örüntünün sözdizimini analiz etmeye yönelik basit kurallardan oluşur ve bu etiketleme işlevleri, daha güvenli aday kalıplarının çıkarılmasına yardımcı olur. Hem İngilizce hem de Türkçe olarak yapılan testlerde REPEL ve bu tezde önerilen model aynı veri seti ile eğitilerek sonuçlar karşılaştırılmıştır. Her iki sistem de etiketlenmemiş verilerden örnekleri öğrenmek için bir dizi ilişki örneğine ihtiyaç duyar. Daha az ilişki örneği kullanıldığında yöntemimiz REPEL'den önemli ölçüde daha iyi performans gösterir. Deneysel testlerde yaklaşımımız genellikle her iki dil için de REPEL'den daha iyi sonuçlar verir. İngilizce testi için, az sayıda ilişki örneği ile önerilen model olan REPEL'den yaklaşık 15 kat daha başarılıdır. Daha fazla ilişki tohumu olsa bile yaklaşımımız daha başarılı olmaya devam etmektedir.
Özet (Çeviri)
Relation extraction is a crucial element for numerous natural language processing applications, including text summarization and question answering. It is noteworthy that there are diverse methodologies for relation extraction, and the majority of them adopt the supervised learning approach, which necessitates a substantial training dataset. These extensive datasets must be hand-labeled by experts, making the annotation process time-consuming and expensive. Another approach that is utilized in this thesis is called weak supervised relation extraction. Using weak supervised learning, the cost of training data labeling can be reduced. In this thesis, we propose a weakly supervised relation extraction approach that is inspired by another weakly supervised model named REPEL. Both in REPEL and our relation extraction approach, extraction patterns are derived from unlabeled texts using given relation seed examples. In order to extract more useful extraction patterns, we introduce the use of labeling functions in our method. These labeling functions consist of simple rules to analyze the candidate pattern's syntax and these labeling functions help to extract more confident candidate patterns. Our proposed method tests on the same dataset used by REPEL in order to compare our results with the results obtained by REPEL. Tests are conducted both in English and Turkish. Both systems require a number of relation seed examples for learning patterns from the unlabeled data. When fewer relation seed examples are used our method outperforms REPEL significantly. In experimental tests, our approach generally gives better results than REPEL for both languages. For the English test, approximately 15 times more successful than REPEL with few relation seeds. Even with more relation seeds, our approach remains more successful.
Benzer Tezler
- Data programming approach for weakly supervised learning of visual relations
Görsel ilişkilerin zayıf denetimli öğrenimi için veri programlama yaklaşımı
CEREN GÜRSOY
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. FEHİME NİHAN ÇİÇEKLİ
- Short term electricity load forecasting with deep learning
Derin öğrenme ile kısa dönemli elektrik yük talep tahmini
İBRAHİM YAZICI
Doktora
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ÖMER FARUK BEYCA
- Madde bağımlılığı tedavisi görmüş bireylerde bilişsel davranışçı grup psikoterapisinin relaps eğilimi üzerindeki etkisinin sınanması
Testing the effect of cognitive behavioral group psychotherapy on the relapse tendency in individuals who have received substance abuse treatment
EZEL AVCI
Doktora
İngilizce
2017
Psikolojiİstanbul Arel ÜniversitesiKlinik Psikoloji Ana Bilim Dalı
DOÇ. DR. ÖMER FARUK ŞİMŞEK
- Hisse senetleri ve sosyal medya arasındaki ilişkinin makine öğrenmesi teknikleri ile belirlenmesi
Başlık çevirisi yok
EMİNE ATEŞ
Yüksek Lisans
Türkçe
2019
Mühendislik BilimleriDoğuş ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. AYSUN GÜRAN
PROF. SELİM AKYOKUŞ