Roberta ve prompt mühendisliği kullanılarak psikoterapi metinlerinde şema tespiti
Schema detection in psychotherapy texts using roberta and prompt engineering
- Tez No: 960872
- Danışmanlar: DR. ÖĞR. ÜYESİ AYŞE GÜL ÖZKAN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: İngilizce
- Üniversite: Konya Gıda ve Tarım Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: 116
Özet
Bu tez, şema terapisi çerçevesinde Erken Dönem Uyumsuz Şemaların otomatik olarak tanımlanmasına yönelik yapay zekâ tabanlı bir sınıflandırma sistemi sunmaktadır. Gerçek danışan verilerinin kullanımına ilişkin etik kısıtlamalar nedeniyle, OpenAI'ın GPT-3.5-turbo modeli kullanılarak sentetik bir veri kümesi oluşturulmuştur. Her bir 18 şema kategorisi için, birinci tekil şahıs kullanılarak 300 eğitim, 100 doğrulama ve 50 test cümlesi üretilmiştir. Bu alt kümeler anlamsal bütünlük açısından filtrelenmiş, birleştirilmiş, dengelenmiş ve genellenebilirliği artırmak amacıyla rastgele karıştırılmıştır. Sınıflandırma sürecinde Hugging Face Transformers kütüphanesi aracılığıyla RoBERTa-base mimarisi kullanılmıştır. Dört farklı model konfigürasyonu, iki öğrenme oranı (2e-5, 3e-5) ve iki batch size (4, 8) kombinasyonu ile değerlendirilmiştir. Modellerin performansı hem sentetik test verisi hem de klinik olarak etiketlenmiş YSQ-L3 ve YSQ-90 formları üzerinden ölçülmüştür. 2e-5 öğrenme oranı ve 8 batch size ile eğitilen model, %88 doğruluk ve 0.87 makro F1 skoru ile sentetik veride en yüksek başarıya ulaşmış; aynı zamanda YSQ-90 formunda da %71 doğrulukla en iyi sonucu vermiştir. Öte yandan, batch size değeri 4 olan modeller, klinik verilerde daha dengeli bir genelleme sergileyerek aşırı uyum riskini azaltmıştır. Sonuçlar, duygusal açıdan zengin metinlerin büyük dil modelleri ile üretilebildiğini ve dönüştürücü tabanlı NLP sistemleriyle yüksek doğrulukla sınıflandırılabildiğini ortaya koymaktadır. Bu çalışma, etik, yeniden üretilebilir ve ölçeklenebilir bir terapötik içerik analiz yöntemi sunarak bilgisayar mühendisliği ile klinik psikoloji arasında disiplinler arası bir köprü kurmaktadır.
Özet (Çeviri)
This thesis presents an AI-based classification system for automatically identifying Early Maladaptive Schemas (EMS) within the framework of schema therapy. Due to ethical constraints related to real client data, a synthetic dataset was generated using OpenAI's GPT-3.5-turbo model. For each of the 18 schema categories, 300 training sentences, 100 validation sentences, and 50 test sentences were produced in the first person. These subsets were filtered for semantic quality, merged, balanced, and randomly shuffled to ensure consistency and generalizability. The classification task employed the RoBERTa-base architecture via the Hugging Face Transformers library. Four configurations were evaluated by varying learning rates (2e-5, 3e-5) and batch sizes (4, 8). Performance was assessed on both the synthetic test set and two clinically annotated instruments (YSQ-L3 and YSQ-90). The configuration with a learning rate of 2e-5 and batch size of 8 achieved the highest synthetic accuracy (88%) and macro F1 score (0.87), along with the best performance on YSQ-90 (71%). The model trained with a batch size of 4 showed better generalization on clinical data, indicating lower overfitting. The results demonstrate that emotionally rich texts generated by large language models can be reliably classified using transformer-based NLP systems. This study offers an ethical, reproducible, and scalable methodology for analysing therapeutic content. By combining prompt engineering, synthetic data generation, and transformer-based modelling, it provides an interdisciplinary contribution at the intersection of computer engineering and clinical psychology.
Benzer Tezler
- Extracting meaningful ınformation from student surveys with NLP
NLP kullanarak öğrenci anketlerinden anlamli bilgiler çikarmak
KAJAL POURJALIL
Yüksek Lisans
İngilizce
2025
Mühendislik BilimleriIşık ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. EMİNE EKİN
- Yapay zeka yöntemlerinin doğal dil işlemede etkin kullanılması
Effective use of artificial intelligence methods in natural language processing
YASEMİN ATAYOLU
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİskenderun Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. YAKUP KUTLU
- The concept of human and monster in Mary Shelley's Frankenstein and Robert Louis Stevenson's the Strange Case of Dr. Jekyll and Mr. Hyde
Mary Shelley'nin Frankenstein ve Robert Louis Stevenson'un Dr. Jekyll ve Mr. Hyde'ın Tuhaf Hikayesi romanlarındaki insan ve canavar kavramı
ESRA ERDEM
Yüksek Lisans
İngilizce
2019
İngiliz Dili ve EdebiyatıHacettepe Üniversitesiİngiliz Dili ve Edebiyatı Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ALEV KARADUMAN
- Duygu analizi problemi için geleneksel ve derin transfer makine öğrenmesi yöntemlerinin karşılaştırılması
A comparison of traditional and deep transfer machine learning methods for the sentiment analysis problem
NURAY YILDIZLI
Yüksek Lisans
Türkçe
2021
Bilim ve TeknolojiAtatürk ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ GÜLŞAH TÜMÜKLÜ ÖZYER
- A machine learning approach to sentiment analysis: Insights from public perception of ai chatbots
Duygu analizinde makine öğrenimi yaklaşımı: Yapay zeka sohbet robotlarına ilişkin kamu algısından elde edilen içgörüler
ZEKİ ŞAHİN
Yüksek Lisans
İngilizce
2025
Bilim ve TeknolojiÇankaya ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. İRGE ŞENER