Arama motorları için derin öğrenme tabanlı sorgu önerisi çerçevesi
Deep learning based query suggestion framework for search engines
- Tez No: 851411
- Danışmanlar: DOÇ. DR. SİBEL SENAN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: Türkçe
- Üniversite: İstanbul Üniversitesi-Cerrahpaşa
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: 81
Özet
Çevrimiçi dünyada yer alan bilgi sayısında meydana gelen büyüme ve kullanıcı sayısının artışıyla birlikte bilgiye erişim için arama motorlarının kullanımı giderek yaygınlaşmaya başlamıştır. Bu artış daha fazla kullanıcıyı arama motorlarını kullanmaya teşvik etmiştir. Bu durumla birlikte kullanıcıların sorgu karmaşıklıkları artmaya başlamıştır. Aynı zamanda arama motorlarını kullanıcıların deneyimini iyileştirmek için sorgu önerilerinde bulunmaya ve bu önerileri iyileştirmeye teşvik etmiştir. Günümüze dek sorgu önerisi görevine özgü olarak pek çok farklı yöntem oluşturularak kullanılmıştır. Fakat kullanılan çoğu yöntem, kullanıcıların isteklerini ve aramanın bağlamını tam olarak anlamaktan uzaktır. Hedef sorguların belirlenmesi sorgu önerilerinin doğası gereği oldukça zor bir konudur. Kullanıcı aramalarının altındaki gerçek anlamların yakalanması kullanıcılara doğru ve etkili sorgu önerileri sunmak için oldukça önemlidir. Dönüştürücü mimarileri, çok çeşitli doğal dil işleme görevi için oldukça iyi performans sergilemektedir ve dil ile ilgili problemlerdeki derin anlamları yakalamak için oldukça kullanışlıdır. Dönüştürücüler, sıralı veriler içindeki bağlamsal ilişkileri yakalamak için kişisel dikkat mekanizmasını kullanan derin sinir ağlarıdır. Bu tez çalışmasında, dönüştürücü tabanlı derin öğrenme mimarilerinin gücünden yararlanılarak sorgu önerisi için kullanıcının aramalarının altında yatan anlamlar ve oturumların bağlamı tespit edilmeye çalışılmıştır. Çalışmada sunulan“dönüştürücü tabanlı sorgu önerisi (TQS)”modeli, çeşitli geçmiş sorgu önerisi modelleri ile karşılaştırılmış ve sonuçlar sunulmuştur. Ayrıca elde edilen performans sonuçları, önerilen modelin eğitim aşamasının oldukça hızlı olduğunu göstermektedir.
Özet (Çeviri)
With the growth in the number of information in the online world and the increase in the number of users, the use of search engines to access information has become increasingly widespread. This increase has encouraged more users to use search engines. With this situation, the query complexity of users has started to increase. It has also encouraged search engines to make and improve query suggestions to improve users' experience. So far, many different methods have been used for the query suggestion task. However, most of the methods used are far from fully understanding users' wishes and the context of the search. Determining target queries is a very difficult issue due to the nature of query suggestions. Capturing the real meanings of user searches is very important to provide accurate and effective query suggestions to users. Transformer architectures perform very well for a wide range of natural language processing tasks and are useful for capturing deep meanings in language-related problems. Transformers are deep neural networks that use the self-attention mechanism to capture contextual relationships within sequential data. In this thesis study, we tried to determine the underlying meanings of the user's searches and the context of the sessions for query suggestion by utilizing the power of transformer-based deep learning architectures. The“transformer-based query suggestion (TQS)”model presented in the study was compared with various historical query suggestion models and analyzes were presented. In addition, the performance results obtained show that the training phase of the proposed model is quite fast.
Benzer Tezler
- Etkin sorgu önerileri için kullanıcı sorgularının görev tabanlı yönetilmesi
Task based management of user queries for effective query suggestions
NURULLAH ATEŞ
Doktora
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. YUSUF YASLAN
- Enrichment of Turkish question answering systems using knowledge graphs
Türkçe soru cevaplama sistemlerinin bilgi çizgeleri ile zenginleştirilmesi
OKAN ÇİFTÇİ
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİzmir Yüksek Teknoloji EnstitüsüBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. SELMA TEKİR
DR. ÖĞR. ÜYESİ FATİH SOYGAZİ
- Applications of deep reinforcement learning for advanced driving assistance systems
İleri sürüş destek sistemleri için derin pekiştirmeli öğrenme uygulamaları
MUHARREM UĞUR YAVAŞ
Doktora
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiMekatronik Ana Bilim Dalı
DOÇ. DR. TUFAN KUMBASAR
- İçerik tabanlı web sayfası kategorizasyonu
Content based web page categorization
EBUBEKİR BÜBER
Yüksek Lisans
Türkçe
2018
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYıldız Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. BANU DİRİ
- Derin öğrenme ile insan edimlerinin tanınması
Human action recognition using deep learning
TAYYİP ÖZCAN
Doktora
Türkçe
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolErciyes ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. ALPER BAŞTÜRK