TR Dizin İndeksli Yayınlar Koleksiyonu / TR Dizin Indexed Publications Collection
Permanent URI for this collectionhttps://hdl.handle.net/20.500.14365/4
Browse
2 results
Search Results
Article Derin Öğrenme ile Türkçede Adıl Çözümleme(2024-12-24) Taze, Mehmet; Metin, Senem KumovaDilde, bir sözcüğün/sözcük öbeğinin sürekli tekrar eden kullanımını önlemek için, ilgili öncül sözcüğe/sözcük öbeğine atıfta bulunan adılların kullanımına sık rastlanır. Bir adılın atıfta bulunduğu öncül ile eşleştirilmesi adıl çözümleme olarak adlandırılır. Bu çalışmada Türkçe metinlerde adılların çözümlenmesinde derin öğrenme yöntemlerinin başarımı değerlendirilmiştir. Çalışma kapsamında 10 Türkçe çocuk hikayesi kullanılarak bir veri kümesi derlenmiş, deneylerde kullanılmak üzere 12 öznitelik belirlenmiştir. Çok katmanlı algılayıcı, evrişimsel (konvolüsyonel) ve tekrarlayan sinir ağları nöron ve katman sayılarının değiştiği bir dizi farklı konfigürasyonla uygulanarak F1 ölçüsü ile başarım ölçülmüştür. Sonuçlar, Türkçe adıl çözümlemesinde en yüksek başarımın, çok fazla nöron kullanan orta sayıda katmana sahip çok katmanlı algılayıcı sinir ağı tarafından elde edildiğini göstermiştir.Article Stop Word Detection as a Binary Classification Problem(2017) Karaoğlan, Bahar; Metin, Senem KumovaIn a wide group of languages, the stop words, which have only grammatical roles and not contributing to information content, may be simply exposed by their relatively higher occurrence frequencies. But, in agglutinative or inflectional languages, a stop word may be observed in several different surface forms due to the inflection producing noise. In this study, some of the well-known binary classification methods are employed to overcome the inflectional noise problem in stop word detection. The experiments are conducted on corpora of an agglutinative language, Turkish, in which the amount of inflection is high and a non-agglutinative language, English, in which the inflection is lower for stop words. The evaluations demonstrated that in Turkish corpus, the classification methods improve stop word detection with respect to frequency-based method. On the other hand, the classification methods applied on English corpora showed no improvement in the performance of stop word detection.