A modular framework for PDTB-style multılıngual dıscourse parsıng
PDTB tabanli çok dilli söylem ayriştirma için modüler bir yapi
- Tez No: 990219
- Danışmanlar: PROF. DR. DENİZ ZEYREK BOZŞAHİN, DR. MURATHAN KURFALI
- Tez Türü: Doktora
- Konular: Dilbilim, Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Linguistics, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: İngilizce
- Üniversite: Orta Doğu Teknik Üniversitesi
- Enstitü: Enformatik Enstitüsü
- Ana Bilim Dalı: Bilişsel Bilim Ana Bilim Dalı (disiplinlerarası)
- Bilim Dalı: Bilişsel Bilimler Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Söylem ayrıştırması, doğası gereği barındırdığı karmaşıklık sebebiyle doğal dil işleme (DDİ) alanındaki en zorlu görevlerden biridir. Büyük dil modeli tekniklerindeki gelişmeler, tüm DDİ alanlarında olduğu gibi söylem ayrıştırması üzerinde de dikkate değer bir etki göstermeye başlamıştır. Bu tezde, Penn Discourse TreeBank (PDTB) tabanlı veri kümeleri için tasarlanmış çok dilli bir söylem ayrıştırma çerçevesi sunmaktayız. PDTB'ye dayalı söylem ayrıştırma modelleri ideal olarak üç modül içerir: söylem bağlayıcılarının (SB) tespiti, üye uzunluğu etiketleme ve söylem bağıntısı tanıma. Öncelikle, SB tespit ve üye uzunluğu etiketleme görevlerini Açık ve Alternatif Sözcükleşitrme (AltSöz) ilişki tipleri için BERT modeli üzerinde ince ayar yöntemiyle gerçekleştiriyoruz. Ardından, söylem bağıntısı tanıma (Açık, Örtülü ve AltSöz ilişki tipleri için) aşamasını çeşitli bağlama dayalı öğrenme stratejileri ile yürütüyoruz. Son olarak, uçtan uca söylem ayrıştırmasına yönelik ilk adım olarak SB tespiti ile üye uzunluğu etiketleme modülünü birbirine bağlayan bir modül ve SB tespiti ile söylem bağıntısı tanıma sistemini birbirine bağlayan ikinci bir modül tanımlıyoruz. Söylem ayrıştırması sistemimiz, İngilizce, Portekizce ve Türkçe olmak üzere üç dilde yedi farklı veri kümesi üzerinde test edilmiş ve her aşamada, mevcut en iyi söylem ayrıştırma modelleri ile kıyaslanabilir sonuçlar elde etmiştir. Modüler söylem ayrıştırma sistemimize ek olarak iki katkı daha sunmaktayız: hafif yapılı bir SB tespiti modeli öneriyor ve makine çevirisi tekniklerinden yararlanarak örtük söylem bağıntısı tanıma görevinde bir iyileştirme gerçekleştiriyoruz.
Özet (Çeviri)
Discourse parsing is one of the most challenging tasks in the field of Natural Language Processing (NLP) due to its inherent complexity. However, advancements in large language model techniques have begun to demonstrate remarkable influence on discourse parsing, as they have across all areas of NLP. In this thesis, we introduce a multilingual discourse parsing framework designed for the Penn Discourse TreeBank (PDTB)-based datasets. Discourse parsing models based on the PDTB ideally involve three modules: discourse connective (DC) detection, argument span labeling, and discourse relation recognition (DRR). We first perform the DC detection and argument span labeling tasks for Explicit and Alternative Lexicalization (AltLex) relation types by fine-tuning the BERT model. Then, we perform the DRR phase (Explicit, Implicit and AltLex relation types) using various in-context learning strategies. Finally, we define two interconnected modules, one connecting the DC detection module with the argument span labeling module, and the other connecting DC detection module with the DRR. These modules can be considered as a first step toward end-to-end discourse parsing. Our discourse parsing pipeline is tested on seven different datasets across three languages (English, Portuguese, and Turkish) and achieves competitive results at each stage, on a par with the state-of-the-art discourse parsing models. In addition to our modular discourse parsing pipeline, we present two contributions: we propose a lightweight DC detection model and an improvement over the implicit DRR task by leveraging machine translation techniques.
Benzer Tezler
- A script based modular game engine framework for augmented reality applications
Artırılmış gerçeklik uygulamaları için betik dili tabanlı bir uygulama geliştirme çerçevesi
MUHAMMED FURKAN KURU
Yüksek Lisans
İngilizce
2009
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. TOLGA CAN
- Developing a bim-based smart assessment framework for the circularity of relocatable modular buildings
Taşınabilen modüler yapıların döngüsellik performansının değerlendirilmesine yönelik bım tabanlı akıllı bir değerlendirme çerçevesinin geliştirilmesi
DAMLANUR İLİPINAR
Doktora
İngilizce
2025
MimarlıkOrta Doğu Teknik ÜniversitesiMimarlık Ana Bilim Dalı
DOÇ. DR. MEHMET KORAY PEKERİÇLİ
- Collusion-resistant TLS attestation protocols: A verifiable, modular framework for decentralized applications
Muvazaaya dayanikli TLS tasdik protokolleri: Merkeziyetsiz uygulamalar için doğrulanabilir ve modüler bir yaklaşim
UĞUR ŞEN
Doktora
İngilizce
2026
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik ÜniversitesiKriptografi Ana Bilim Dalı (disiplinlerarası)
DOÇ. DR. OĞUZ YAYLA
DR. ÖĞR. ÜYESİ MURAT OSMANOĞLU
- Evrişimsel sinir ağları için meta-sezgisel optimizasyon tabanlı adaptif ve modüler sinir mimarisi arama çerçevesinin geliştirilmesi
Development of a metaheuristic optimization-based adaptive and modular neural architecture search framework for convolutional neural networks
İLKER GÜNAY
Doktora
Türkçe
2026
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolTokat Gaziosmanpaşa ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. ÖZKAN İNİK
- A hierarchical framework for preventing robot manipulation failures
Robot etkileşimlerinde hataları önlemek için çok-katmanlı güvenli yürütme mimarisi
ABDULLAH CİHAN AK
Doktora
İngilizce
2026
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. SANEM SARIEL UZER
DOÇ. DR. EREN ERDAL AKSOY