3 results
Search Results
Now showing 1 - 3 of 3
Doctoral Thesis Doğal Dil İşleme ile Arapça ve İngilizcede Duygu Analizi(2024) Aljamel, Yousra Alhadı; Turhan, Çiğdem; Topallı, DamlaBu çalışmada, denetimli makine öğrenimi yaklaşımını kullanarak İngilizce ve Arapça duygu analizi sorununu ele alıyoruz ve bu kapsamda şu genel adımları izliyoruz: veri toplama, işleme, özellik çıkarma ve duygu sınıflandırma. Çalışmada SemEval18: görev task 1'in İngilizce ve Arapça iki versiyonu ve ArabicNewsHeadline veri seti olmak üzere üç veri seti kullanıldı. Bu very setlerine toplamda 7 makine öğrenme algoritması uygulandı: NB, SVM, KNN, RFC, LGR, QDA ve SGD.Master Thesis Doğal Dil İşleme Kullanarak Türkçe Yazılım Gereksinimlerinden Sınıf Diyagramları Oluşturma(2021) Demir, Fatih; Turhan, Çiğdem; Yazıcı, AliYazılım mühendisliğinde, gereksinimlerini karşılayacak bir yazılım tasarlamak zorlu bir görevdir. Bu zor görevde, yazılım mühendislerine yardımcı olması için, literatürde yazılım gereksinimlerinden otomatik olarak sınıf diyagramı üreten çokça sistem önerilmiştir. Fakat bu çalışmaların çoğu İngilizce yazılım gereksinimleri içindir ve Türkçe yazılım gereksinimleri için bu tür çalışmalar çok azdır. Bu çalışmada, Türkçe yazılım gereksinimlerinden otomatik olarak UML sınıf diyagramı üreten bir sistem önerilmiştir. Bu sistem, ilk olarak, doğal dil işleme araçlarını, özellikle de bağımlılık çözümleyici aracını kullanarak, yazılım gereksinimlerini çözümler. Sonra, bu çözümleme sonucu kural bazlı bir sistem tarafından işlenir ve sınıflar, sınıfların nitelik ve metotları ve sınıflar arası ilişkiler ayıklanır. Ayıklanan ögeler görselleştirme aracı ile sınıf diyagramına dönüştürülür. Sistemin başarım değerlendirmesi yapıldığında umut vadeden sonuçlar alınmıştır. Bundan dolayı da Türkçe yazılım gereksinimlerinden doğal dil işleme araçları, özellikle de bağımlılık çözümleyici, kullanılarak sınıf diyagramlarının üretilebileceği sonucuna varılmıştır.Conference Object Citation - Scopus: 31Improving Text Classification With Transformer(Institute of Electrical and Electronics Engineers Inc., 2021) Soyalp,G.; Alar,A.; Ozkanli,K.; Yildiz,B.Huge amounts of text data are produced every day. Processing text data that accumulates and grows exponentially every day requires the use of appropriate automation tools. Text classification, a Natural Language Processing task, has the potential to provide automatic text data processing. Many new models have been proposed to achieve much better results in text classification. The transformer model has been introduced recently to provide superior performance in terms of accuracy and processing speed in deep learning. In this article, we propose an improved Transformer model for text classification. The dataset containing information about the books was collected from an online resource and used to train the models. We witnessed superior performance in our proposed Transformer model compared to previous state-of-art models such as L S T M and CNN. © 2021 IEEE
