Doğal dil işlemede destek vektör makineleri
Support vector machines in natural language processing
- Tez No: 928432
- Danışmanlar: DOÇ. DR. ÖZGE ELMASTAŞ GÜLTEKİN
- Tez Türü: Yüksek Lisans
- Konular: İstatistik, Statistics
- Anahtar Kelimeler: Yapay zeka ve makine öğrenmesi dersi, Artificial intelligence and machine learning course
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Ege Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: İstatistik Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu tezde, Doğal Dil İşleme (DDİ) alanında Destek Vektör Makineleri (DVM) yöntemlerinin uygulanabilirliği araştırılmaktadır. Doğal Dil İşleme, insan diliyle etkileşimde bulunan sistemlerin geliştirilmesi için bir dizi algoritma ve teknik sunar. Özellikle metin sınıflandırması, duygu analizi ve dil modeli oluşturma gibi görevlerde, DVM gibi Makine Öğrenimi algoritmaları, yüksek doğruluk ve genelleme yetenekleri ile öne çıkmaktadır. Bu çalışma, DVM'nin farklı veri kümeleri üzerinde DDİ problemlerine nasıl adapte edilebileceğini ve sonuçlarının nasıl optimize edilebileceğini ele almaktadır. Çalışma kapsamında, Word2Vec ve BERT gibi metin vektörleştirme teknikleri kullanılarak oluşturulan özellik kümeleri ile DVM modelleri eğitilmiştir. Özellikle, farklı kernel fonksiyonları ve hiperparametre ayarlarının, model performansı üzerindeki etkileri incelenmiştir. DVM'nin DDİ'deki avantajları ve sınırlamaları, hem teorik hem de deneysel analizlerle tartışılmıştır. Bu tezde kullanılan yöntemler, metin tabanlı veri setlerinde DVM modellerinin başarısını değerlendirmek için kapsamlı deneyler gerçekleştirmiştir. Farklı veri kümeleri ve özellik çıkarım teknikleri kullanılarak yapılan deneyler, model doğruluğu, hassasiyet, özgüllük ve F1 skoru gibi metriklerle karşılaştırılmıştır. DVM modellerinin performansı, diğer Makine Öğrenimi yöntemleriyle de kıyaslanarak sonuçların genel geçerliliği değerlendirilmiştir. Sonuç olarak, bu çalışma, Destek Vektör Makinelerinin Doğal Dil İşleme problemlerinde güçlü bir sınıflandırıcı olarak kullanılabileceğini göstermektedir. Elde edilen bulgular, DVM'nin metin sınıflandırmasında etkili bir seçenek olduğunu ve doğru özellik çıkarım teknikleri ile performansının daha da iyileştirilebileceğini ortaya koymaktadır.
Özet (Çeviri)
In this thesis, the applicability of Support Vector Machines (SVM) in the field of Natural Language Processing (NLP) is investigated. Natural Language Processing offers a set of algorithms and techniques for developing systems that interact with human language. In tasks such as text classification, sentiment analysis, and language model creation, machine learning algorithms like SVM stand out due to their high accuracy and generalization capabilities. This study examines how SVM can be adapted to NLP tasks on different datasets and how the results can be optimized. In this study, SVM models were trained using feature sets created through text vectorization techniques like Word2Vec and BERT. In particular, the effects of different kernel functions and hyperparameter settings on model performance were investigated. The advantages and limitations of SVM in NLP were discussed through both theoretical and experimental analyses. The methods employed in this thesis involve extensive experiments to evaluate the success of SVM models on text-based datasets. The experiments, conducted using different datasets and feature extraction techniques, compared model accuracy, sensitivity, specificity, and F1 score. The performance of SVM models was also evaluated in comparison with other machine learning methods to assess the overall validity of the results. In conclusion, this study demonstrates that Support Vector Machines can be effectively used as a strong classifier in Natural Language Processing problems. The findings show that SVM is a viable option for text classification and that its performance can be further enhanced with the correct feature extraction techniques.
Benzer Tezler
- Türk dili için çoklu sınıflandırıcı yöntemler ile duygu sınıflandırma
Sentiment classification with multiple classifier systems for turkish language
MEHMET NANĞIR
Yüksek Lisans
Türkçe
2013
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Kültür ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. ÇAĞATAY ÇATAL
- İnşaat sözleşmelerinde hak talebi yönetimi: Kamu projeleri için öneri model
Claim management in construction contracts: Proposed model for public construction projects
İSMAİL CENGİZ YILMAZ
Doktora
Türkçe
2013
Mimarlıkİstanbul Teknik ÜniversitesiMimarlık Ana Bilim Dalı
PROF. DR. HÜSEYİN ATİLLA DİKBAŞ
- Türkçe metinlerde duygu analizi
Sentiment analysis in Turkish texts
CUMALİ TÜRKMENOĞLU
Yüksek Lisans
Türkçe
2015
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. AHMET CÜNEYD TANTUĞ
- Doğal dil işleme yöntemleriyle Türkçe sosyal medya verileri üzerinde duygu analizi
Sentiment analysis with natural language processing methods on Turkish social media data
İLKAY YELMEN
Yüksek Lisans
Türkçe
2016
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Aydın ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. METİN ZONTUL
- Multiclass analysis of automatic text classification techniques
Otomatik metin sınıflandırma tekniklerinin çok sınıflı analizi
SEMUEL FRANKO
Yüksek Lisans
İngilizce
2018
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGalatasaray ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ İSMAİL BURAK PARLAK
- Algısal özet fonksiyonları tabanlı derin öğrenme yöntemleri kullanılarak imgelerin sınıflandırılması
Classification of images by using deep learning methods based on perceptual hash functions
FATİH ÖZYURT
Doktora
Türkçe
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat ÜniversitesiYazılım Mühendisliği Ana Bilim Dalı
PROF. DR. ENGİN AVCI