Türkçe sosyal medya metinlerinde çoklu-görev öğrenme için transformer tabanlı yeni bir model yaklaşımı
A novel transformer-based multi-task learning approach for Turkish social media text analysis
- Tez No: 1014024
- Danışmanlar: DR. ÖĞR. ÜYESİ FATİH ŞAHİN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2026
- Dil: Türkçe
- Üniversite: İstanbul Topkapı Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Yazılım Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Yapay Zeka Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bir toplumun ruh sağlığını korumak, iyileştirmek toplumdaki bütün bireyleri kapsamaktadır. Bu çalışmada, Türkçe sosyal medya metinlerinin analizi için çoklugörev öğrenme (Multi-Task Learning MTL) tabanlı yeni bir transformer modeli önerilmektedir. Sosyal medya platformlarında üretilen büyük miktardaki Türkçe metin verisi, Hissiyat Analizi, Nefret İçeriği Bulma ve Konu Ayrıştırma gibi çeşitli doğal dil işleme görevleri için değerli bir kaynak oluşturmaktadır. Geleneksel yaklaşımlarda bu görevler birbirinden bağımsız modeller ile çözülmekte, bu durum hesaplama maliyetini artırmakta ve görevler arası bilgi transferini engellemektedir. Önerilen model, yaklaşık 900 milyon Türkçe tweet üzerinde ön eğitim almış TurkishBERTweet temel kodlayıcısı üzerine inşa edilmiştir. Hard parameter sharing mimarisi kullanılarak tüm görevler için ortak bir temsil öğrenme katmanı oluşturulmuş, her görev için ayrı sınıflandırma kafaları tasarlanmıştır. Uncertainty weighting yöntemi ile görevler arası dinamik ağırlıklandırma sağlanmıştır. Hiperparametre optimizasyonu için Optuna framework'ü kullanılarak Bayesian optimizasyon gerçekleştirilmiştir. Deneysel sonuçlar, önerilen MTL modelinin Hissiyat Analizinde %93.76, Nefret İçeriği Bulmande %97.05 ve Konu Ayrıştırmada %97.05 doğruluk oranlarına ulaştığını göstermektedir. Ortalama %95.95 doğruluk oranı ile model, üç farklı görevi tek bir birleşik mimari içinde başarıyla gerçekleştirmektedir. McNemar istatistiksel testi sonuçları, MTL yaklaşımının single-task modellerle karşılaştırılabilir performans sergilediğini ortaya koymaktadır (𝑝 > .05). Bu çalışma, Türkçe sosyal medya analizi için kapsamlı bir MTL çözümü sunarak literatüre katkıda bulunmaktadır.
Özet (Çeviri)
This study proposes a novel multi-task learning (MTL) based transformer model for Turkish social media text analysis. The large volume of Turkish text data generated on social media platforms constitutes a valuable resource for various natural language processing tasks such as sentiment analysis, hate speech detection, and topic classification. In traditional approaches, these tasks are solved with independent models, which increases computational costs and prevents knowledge transfer between tasks. The proposed model is built upon the TurkishBERTweet base encoder, which has been pre-trained on approximately 900 million Turkish tweets. Using hard parameter sharing architecture, a common representation learning layer was created for all tasks, and separate classification heads were designed for each task. Dynamic weighting between tasks was achieved through the uncertainty weighting method. Bayesian optimization was performed using the Optuna framework for hyperparameter optimization. Experimental results demonstrate that the proposed MTL model achieves accuracy rates of 93.76% for sentiment analysis, 97.05% for hate speech detection, and 97.05% for topic classification. With an average accuracy of 95.95%, the model successfully performs three different tasks within a single unified architecture. McNemar statistical test results reveal that the MTL approach exhibits comparable performance to single-task models (𝑝 > .05). This study contributes to the literature by providing a comprehensive MTL solution for Turkish social media analysis.
Benzer Tezler
- Türkçe metinlerde farklı temsil modelleri ve öğrenme yöntemleri ile duygu analizi karşılaştırması
Comparison of sentiment analysis with different representation models and learning methods in Turkish texts
KADRİYE MARANGOZ
Yüksek Lisans
Türkçe
2023
Bilim ve TeknolojiBursa Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MUSTAFA ÖZGÜR CİNGİZ
- 1985-1986 yıllarında Polatlı Devlet Hastanesine kaza nedeniyle başvuranların incelenmesi
Başlık çevirisi yok
FERHAN ŞENOL
Yüksek Lisans
Türkçe
1986
İlk ve Acil YardımGazi ÜniversitesiKazaların Çevresel ve Teknik Araştırması Ana Bilim Dalı (disiplinlerarası)
DOÇ. DR. HİKMET PEKCAN
- Devrelerin büyük işaret cevaplarının bilgisayar yardımıyla bulunması
Başlık çevirisi yok
NÜKHET GÜNEYİ
Yüksek Lisans
Türkçe
1985
Elektrik ve Elektronik MühendisliğiUludağ ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. ERGÜR TÜTÜNCÜOĞLU
- Bir ilaç fabrikasında personel gereksinmesinin belirmesi seçilmesi ve elde tutulmasına yönelik bir uygulama çalışması
Başlık çevirisi yok
EMİNE BOZBAĞ
Yüksek Lisans
Türkçe
1989
İşletmeİstanbul ÜniversitesiÇalışma Ekonomisi ve Endüstri İlişkileri Ana Bilim Dalı
PROF. DR. TUĞRAY KAYNAK