Göz takip verilerinin adlandırılmış varlık tanıma üzerindeki etkisinin incelenmesi
Investigation of the impact of eye-tracking data on named entity recognition
- Tez No: 947863
- Danışmanlar: DR. ÖĞR. ÜYESİ MUSTAFA HAKAN BOZKURT
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Karadeniz Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Yazılım Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Adlandırılmış varlık tanıma (AVT), kişiler, yerler, kurumlar ve tarihler gibi adların metinlerden tanımlanması ve çıkarılması için kullanılan bir doğal dil işleme (DDİ) işlemleridir. AVT teknikleri, metinlerin daha iyi analiz edilmesi ve anlaşılması, daha etkili bir şekilde düzenlenmesi ve önemli bilgilerin otomatik olarak çıkarılması amacıyla kullanılmaktadır. Göz takibi, kullanıcıların göz gezdirdikleri bölgeleri, inceleme sürelerini ve odaklandıkları bilgileri belirlemek için göz hareketlerini izleyen bir tekniktir. Göz takip verileri, özellikle DDİ işlerinde yararlı olabilmektedir. Bu veriler, modellerin dikkatini daha verimli bir şekilde yönlendirmesine ve doğru varlıkları tanımasına yardımcı olabilir. Bu çalışmanın amacı, göz takip verilerinin metinsel verilerle birleştirildiğinde AVT işlerindeki derin öğrenme modellerinin performansına olan etkisini incelemektir. Hipotezimiz, göz takip verilerinin eklenmesiyle modellerin varlıkları tanıma ve sınıflandırma doğruluğunun artacağı yönündedir. Bu çalışma, göz takip verilerinin AVT modellerinin performansı üzerindeki etkisini ve bu verilerin farklı model mimarilerinde sağladığı iyileştirmeleri anlamaya yönelik kapsamlı bir bakış sunmaktadır. Ayrıca, DDİ işlerinde bilişsel verilerin kullanımının potansiyel faydalarına da ışık tutulmaktadır. Kapsamlı bir perspektif sağlamak amacıyla, derin öğrenmede yedi farklı model kullanılmıştır: Tekrarlayan Sinir Ağları (TSA), Uzun Kısa Süreli Bellek (UKSB), Çift yönlü Uzun Kısa Süreli Bellek (ÇyUKSB), Kapılı Tekrarlayan Birimler (KTB), Konvolüsyonel Sinir Ağları (KSA) ve hibrit modeller (KSA-UKSB ve KSA-KTB). Ayrıca, önceki modellerle kullanılmak üzere en iyi performansı ve en yüksek faydayı sağlayan yöntemi belirlemek için GloVe, TF-IDF, Word2Vec ve FastText olmak üzere dört farklı kelime gömme yöntemi test edilmiştir. Değerlendirme sürecinde, doğruluk, hassasiyet, hatırlama ve F1 skoru gibi performans ölçütleri esas alınmıştır. Bu çalışmanın özgünlüğü, göz takip verilerinin metinsel verilerle birleştirilerek AVT işlerinde kullanılan yedi farklı derin öğrenme modelinin mimarilerinde incelenmesi ve bu iki veri türünün birleştirilmesinden elde edilen faydaların değerlendirilmesinde yatmaktadır. Performans ölçütlerine göre elde edilen sonuçlar, GloVe kelime gömme yönteminin diğer üç yönteme kıyasla üstün olduğunu göstermiştir. Ayrıca, göz takip verilerinin eklenmesiyle kullanılan modellerin performansında iyileşmeler olduğu gözlemlenmiştir. Bu sayede modellerin adlandırılmış varlıkları daha doğru bir şekilde tanımlama ve sınıflandırma yeteneğini artırılabildiği sonucuna varılmıştır.
Özet (Çeviri)
Named Entity Recognition (NER) is a Natural Language Processing (NLP) task used to identify and extract names such as people, locations, organizations, and dates from text. NER techniques are employed to enhance the analysis and understanding of texts, facilitate their more effective organization, and enable the automatic extraction of significant information. Eye-tracking is a technique that monitors users' eye movements to determine the areas they focus on, the duration of their attention, and the specific information they concentrate on. Eye-tracking data can be particularly beneficial in NLP tasks, as it helps models direct their attention more efficiently and identify relevant entities more accurately. The aim of this study is to investigate the impact of integrating eye-tracking data with textual data on the performance of deep learning models in NER tasks. Our hypothesis posits that incorporating eye-tracking data will enhance the accuracy of models in recognizing and classifying entities. This research provides a comprehensive perspective on the influence of eye-tracking data on NER model performance and the improvements it facilitates across different model architectures. Furthermore, it sheds light on the potential benefits of utilizing cognitive data in NLP tasks. To provide a comprehensive perspective, seven different models were employed in deep learning: Recurrent Neural Network (RNN), Long Short-Term Memory (LSTM), Bidirectional Long Short-Term Memory (BiLSTM), Gated Recurrent Units (GRU), Convolutional Neural Network (CNN), and hybrid models (CNN-LSTM and CNN- GRU). Additionally, four different word embedding methods GloVe, TF-IDF, Word2Vec, and FastText were tested to identify the approach that offers the best performance and highest utility when integrated with the aforementioned models. The evaluation process was based on performance metrics such as accuracy, precision, recall, and F1 score. The originality of this study lies in its examination of the architectures of seven different deep learning models for NER tasks, achieved by integrating eye-tracking data with textual data, and in the evaluation of the benefits derived from this combination. The results, based on performance metrics, indicate that the GloVe word embedding method outperformed the other three methods. Furthermore, the inclusion of eye-tracking data was observed to improve the performance of the models. Consequently, it was concluded that the models' ability to identify and classify named entities more accurately can be enhanced through this approach.
Benzer Tezler
- Baba yoksunluğunun benlik kavramına etkisi ve babasız öğrencilerin problemlerinin hangi alanlarda yoğunlaştığının saptanması
Başlık çevirisi yok
OYA GÜNGÖRMÜŞ
- Konfeksiyon işletmelerinde performans ölçümleri ve işgücü planlanmasına katkıları
Başlık çevirisi yok
SEVİN BRAV
- NaI (TI) dedektörleri için toplam verim ve tüm enerji pik duyarlığının Monte Carlo metodu ile elde edilmesi
Başlık çevirisi yok
N. REMZİYE ERGÜL
- Bazı buğday türlerinde poliploidi düzeyine bağımlı IAA ve ABA miktarlarının kantitatif belirlenmesi üzerine bir araştırma
Başlık çevirisi yok
SEVGİ HEPAKSOY
- Acenaphthene uygulaması ile tütün dihapladlerinin elde edilmesi üzerinde bir araştırma
Başlık çevirisi yok
SERVET KEFİ
