Natural language processing (NLP) of languages that use Arabic alphabet
Arap alfabesi kullanılan dillerin doğal dil işlenmesi (NLP)
- Tez No: 721667
- Danışmanlar: PROF. DR. SEMA KAYHAN
- Tez Türü: Doktora
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Arapça harfler, Doğal dil işleme, Nörolinguistik programlama, Çeviri, Arabic letters, Natural language processing, Neurolinguistic programming, Translation
- Yıl: 2022
- Dil: İngilizce
- Üniversite: Gaziantep Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Genel olarak ve küresel olarak, yaklaşık 7.000 doğal konuşulan dil mevcuttur. Teknik olarak gözlemlenen, bu dillerden yaklaşık 20 tanesi NLP anlamında iyi kaynaklara sahiptir. Neredeyse tüm Arapça alfabeli yazı dilleri düşük kaynaklı bir dil olarak kabul edilmesine rağmen, NLP'nin bazı yönlerinde yalnızca Arapça dilinin kendisi iyi kaynaklara sahiptir. Buna ek olarak, bazı Arapça alfabeli yazı dilleri metinsel olarak çok düşük kaynaklara sahiptir veya Eski Türkçe (Osmanlı yazısı) gibi terkedilmiş Arapça yazılar da vardır. Genel olarak konuşursak, tüm Arapça alfabeli yazı dilleri, bu boşluğu gelişmiş araçlarla kapatmak ve mevcut malzemeleri kullanmak için NLP kaynaklarına ihtiyaç duymaktadır. Çalışmamızın temel amacı, Arapça gibi iyi kaynaklara sahip bir dilden öğrenmeyi diğer Arapça alfabeli yazı dillerine aktarmaktır. Bu çalışmada, aktarmalı öğrenme örneğini başarıyla gerçekleştirip bunu Osmanlı Türkçesi ve Kürtçe, Arapça ve Parso-Arapça yazı dilleri gibi çok düşük kaynaklı dillere uyguladık. Bu aktarım öğrenimi, makine tabanlı bir harf çevirisi olup, Osmanlı'dan modern Latince Türk alfabesine otomatik harf çevirisi şeklindedir. Sistem genel olarak %73,3 doğruluk gerçekleştirmiştir. Kürtçe NLP ile ilgili olarak, yine harf çevirisi sistemi uygulanmıştır. Ayrıca araştırmacıların bu alanda karşılaştıkları engeller ve zorluklara da odaklandık. Arapça metinli dillerinin NLP ile ilgili sonuçları şu şekildedir: ilk olarak, Arap alfabesiyle yazılmış düşük kaynaklı dilleri işlemek zor olmasına rağmen, benzer dil deneyimlerinin transfer öğrenimini kullanılarak bu gerçekleştirilebilir, İkincisi: NLP ile başlamak için dil hakkında minimum kaynak ve bilgi olması gerekir.
Özet (Çeviri)
In general and globally, about 7,000 natural spoken languages are available. Technically observed, about 20 languages of these resourced well in NLP term. Almost all the Arabic scripted languages are considered a low-resourced language, only the Arabic language itself in some aspects of NLP are well resourced. In addition, some Arabic-scripted languages are very low-resourced in text or abounded Arabic scripts such as Old Turkish language (Ottoman script). Widely speaking, all Arabic-scripted languages require NLP resources to bridge the gap with advanced tools and use available materials. Our study's main aim is to transfer learning from well-resourced languages, for instance, Arabic language to other Arabic-scripted languages. We successfully implemented a sample of transfer learning and applied them to a very low-resourced language, such as Ottoman Turkish and Kurdish language, Arabic and Parso-Arabic scripted languages. This transfer learning is a machine-based transliterate, the automatic transliteration from Ottoman to the modern Latin Turkish script. The system achieved 73.3% accuracy in general. Related to the Kurdish NLP, the transliteration system was implemented too. Moreover, we focused on the hurdles and barriers that researchers experience in this field. The conclusions related to Arabic-scripted languages NLP are: first, it is hard to process Arabic scripted low-resourced languages, but using transfer learning of the similar languages experience may make it possible. Second: there should be minimum resources and knowledge about the language to start with its NLP.
Benzer Tezler
- Multi-label and single-label text classification using standard machine learning algorithms and pre-trained BERT transformer
Standart makine öğrenimi algoritmaları ve önceden eğitilmiş BERT transformer kullanarak çok etiketli ve tek etiketli metin sınıflandırma
HUDA ALFIGI
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolÇankaya ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. ABDULKADİR GÜRER
- Doğal dil işleme teknikleri kullanılarak türkçe mobil asistan yazılımı geliştirilmesi
Development of a turkish mobile assistant software using natural language processing techniques
GÖKHAN ÇELİKKAYA
Yüksek Lisans
Türkçe
2015
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. GÜLŞEN ERYİĞİT
- Analysis of natural language processing techniques and development of Turkish named entity recognition tool for travel-tourism voice assistant
Doğal dil işleme tekniklerinin incelenmesi ve seyahat-turizm sesli asistanı için Türkçe varlık ismi tanıma aracı geliştirilmesi
DENİZ GÜL ÖZCAN
Yüksek Lisans
İngilizce
2020
Mühendislik BilimleriAkdeniz ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. ÜMİT DENİZ ULUŞAR
- Prediction of outcomes in higher courts of Turkey using natural language processing
Doğal dil işleme yöntemleri kullanılarak Türk yüksek mahkemelerinde karar tahmini
EMRE MUMCUOĞLU
Yüksek Lisans
İngilizce
2022
Elektrik ve Elektronik Mühendisliğiİhsan Doğramacı Bilkent ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. MEMDUH HALDUN ÖZAKTAŞ
DR. ÖĞR. ÜYESİ AYKUT KOÇ
- Predicting intracellular functions of proteins from amino acid sequences using language processing methods
Proteinlerin amino asit dizilimlerinin doğal dil işleme metotları ile işlenerek hücre içi fonksiyonlarının tahminlenmesi
BEDİRHAN ÇALDIR
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBoğaziçi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. ARZUCAN ÖZGÜR TÜRKMEN