Türkçe için derlem tabanlı bir anafor çözümleme çalışması
A corpus based anaphora resolution study for Turkish
- Tez No: 177345
- Danışmanlar: YRD. DOÇ. DR. YILMAZ KILIÇASLAN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2008
- Dil: Türkçe
- Üniversite: Trakya Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Bölümü
- Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu tez çalışmasının temelde iki amacı vardır. Bunlardan ilki, Türkçe gibi artgönderim çözümlemesi bakış açısıyla üzerinde çok çalışılmamış ve makine öğrenmesi deneylerine fazlaca konu olmamış bir dilde, çeşitli makine öğrenmesi modelleri kullanarak artgönderim çözümlemesinin modellenmeye çalışılmasıdır. Çalışmanın bir diğer amacı da, elimizdeki bir iş için kullanılacak modelin seçimine ilişkin, öğrenme modellerinin sınıflandırma performansları açısından değerlendirmesini yaparak, bu konuda yol gösterici olmaktır. Beklenen bir gözlem olan ve deneyler sonucunda elde edilen, her bir modelin aşırı ve yetersiz uyumdan kaçınarak optimum düzeyinin belirlenmesi gerekliliğinin yanında, elde edilen sonuçlara göre doğrusal olmayan modeller aşırı uyumdan kaçınacak şekilde düzgün olarak eniyileştirildiklerinde doğrusal olan modelleri de geride bırakmıştır.
Özet (Çeviri)
The aim of this thesis is two-fold. On the one hand, it attempts to explore several machine learning models for pronoun resolution in Turkish, a language not sufficiently studied with respect to anaphora resolution and rarely being subjected to machine learning experiments. On the other hand, the thesis offers an evaluation of the classification performances of the learning models in order to gain insight into the question of how to match a model to the task at hand. In addition to the expected observation that each model should be tuned to an optimum level of expressive power so as to avoid underfitting and overfitting, the results also suggest that non-linear models properly tuned to avoid overfitting outperform linear ones when applied to the data used in the experiments.
Benzer Tezler
- Türkiye Türkçesinde belirteçlerin fiillerle birliktelik kullanımları ve eşdizimliliği
Co-occurence and collocations of adverbs with verbs in Turkish
BÜLENT ÖZKAN
Doktora
Türkçe
2007
DilbilimÇukurova ÜniversitesiTürk Dili ve Edebiyatı Ana Bilim Dalı
PROF.DR. MEHMET ÖZMEN
- Doğal dil işlemede çizgesel ve olasılık tabanlı bir otomatik öğrenme uygulaması
A machine learning application in natural language processing based on probabilistic graph models
HAYRİ VOLKAN AGUN
Yüksek Lisans
Türkçe
2008
Bilim ve TeknolojiTrakya ÜniversitesiBilgisayar Mühendisliği Bölümü
YRD. DOÇ. DR. ERDEM UÇAR
YRD. DOÇ. DR. YILMAZ KILIÇASLAN
- İnternet tabanlı bilgi erişimi destekli bir otomatik öğrenme sistemi
An internet-based automatic learning system supported by information retrieval
ERDİNÇ UZUN
Doktora
Türkçe
2007
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolTrakya ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
Y.DOÇ.DR. ERDEM UÇAR
Y.DOÇ.DR. YILMAZ KILIÇASLAN
- Determination of Turkish word types
Türkçe kelimelerin türlerinin belirlenmesi
ÜMİT HALLAÇ
Yüksek Lisans
İngilizce
2007
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolDokuz Eylül ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ.DR. YALÇIN ÇEBİ
- Modeling phoneme durations and fundamental frequency contours in Turkish speech
Türkçe konuşmada sesbirim sürelerinin ve temel frekans eğrimlerinin modellenmesi
ÖZLEM ÖZTÜRK
Doktora
İngilizce
2005
Elektrik ve Elektronik MühendisliğiOrta Doğu Teknik ÜniversitesiElektrik ve Elektronik Mühendisliği Bölümü
DOÇ.DR. TOLGA ÇİLOĞLU