Geri Dön

Statistical models for unsupervised learning of morphology and PoS

Gozetimsiz morfoloji ve soz dizim ısaretlerinin ogrenilmesi icin ıstatistiksel modeller

PDF İndir

  1. Tez No: 747430
  2. Yazar: BURCU CAN BUĞLALILAR
  3. Danışmanlar: PROF. DR. SURESH MANANDHAR
  4. Tez Türü: Doktora
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2012
  8. Dil: İngilizce
  9. Üniversite: York Unıversıty
  10. Enstitü: Yurtdışı Enstitü
  11. Ana Bilim Dalı: Bilgisayar ve Bilişim Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: Belirtilmemiş.

Özet

Bu tezde dogal diller icin gozetimsiz ogrenme yontemleri kullanilarak dildeki morfoloji ve sozdizim isaretlerinin ogrenilmesi amaclanmistir. Bu amacla Bayesian istatistiksel yontemler kullanilmistir. Tezde onerilen yontemler Turkce basta olmak uzere Ingilizce gibi farkli diller uzerinde de test edilmis ve sonuclar sunulmustur.

Özet (Çeviri)

In this thesis unsupervised learning techniques have been applied to learn morphology and part-of-speech tags. To this This thesis concentrates on two fields in natural language processing. The main contribution of the thesis is in the field of morphology learning. Morphology is the study of how words are formed combining different language constituents (called morphemes) and morphology learning is the process of analysing words, by splitting into these constituents. In the scope of this thesis, morphology is learned mainly by paradigmatic approaches, in which words are analysed in groups, called paradigms. Paradigms are morphological structures having the capability of generating various word forms. We propose approaches for capturing paradigms to perform morphological segmentation. One of the approaches proposed captures paradigms within a hierarchical tree structure. Using a hierarchical structure covers a wide range of paradigms by spotting morphological similarities. The second scope of the thesis is part-of-speech (POS) tagging. Parts-ofspeech are linguistic categories, which group words having similar syntactic features, i.e. noun, adjective, verb etc. In the thesis, we investigate how to exploit POS tags to learn morphology. We propose a model to capture paradigms through syntactic categories. When syntactic categories are provided, the proposed system can capture paradigms well. Following this approach, we extend it for the case of having no syntactic categories provided. To this end, we propose a joint model, in which POS tags and morphology are learned simultaneously Our results show that a joint model is possible for learning morphology and POS tagging. We also study morpheme labelling, for which we propose a clustering algorithm that groups morphemes showing similar features. The algorithm can capture morphemes having similar meanings.

Benzer Tezler

  1. Tez No

    588900

    Unsupervised learning of word alignments for statistical machine translation

    İstatistiksel makine çevirisi için kelime hizalamalarının gözetimsiz öğrenimi

    COŞKUN MERMER

    Doktora

    İngilizce

    İngilizce

    2019

    Elektrik ve Elektronik MühendisliğiBoğaziçi Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. MURAT SARAÇLAR

    DOÇ. DR. RUHİ SARIKAYA

  2. Tez No

    598613

    Geniş ölçekli veriler üzerinde sınıflandırma ve bölütleme amaçlı evrişimsel sinir ağı ve istatistiksel modellerin geliştirilmesi

    Development of convolutional neural network and statistical models for classification and segmentation on large-scale data

    NURULLAH ÇALIK

    Doktora

    Türkçe

    Türkçe

    2019

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYıldız Teknik Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    PROF. DR. LÜTFİYE DURAK ATA

  3. Tez No

    678171

    Hiperspektral imgelerde anomali saptama için istatistiksel yöntemler

    Statistical methods for anomaly detection in hyperspectral images

    SERTAÇ ARISOY

    Doktora

    Türkçe

    Türkçe

    2021

    Elektrik ve Elektronik MühendisliğiGebze Teknik Üniversitesi

    Elektronik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. KORAY KAYABOL

  4. Tez No

    167341

    Statistical learning and optimization methods for improving the efficiency in landscape image clustering and classification problems

    Görüntü kümelendirme ve sınıflandırma algoritmalarının performansını arttırmak için istatistiksel öğrenme ve optimizasyon metodlarının kullanımı

    SELİME GÜROL

    Yüksek Lisans

    İngilizce

    İngilizce

    2005

    Bilim ve TeknolojiOrta Doğu Teknik Üniversitesi

    PROF.DR. BÜLENT KARASÖZEN

    Y.DOÇ.DR. HAKAN ÖKTEM

  5. Tez No

    770074

    Data-driven design and analysis of next generation mobile networks for anomaly detection and signal classification with fast, robust and light machine learning

    Hızlı, Sağlam ve Hafif Makine Öğrenmesi ile Anormallik Algılaması ve Sinyal Sınıflandırması için Yeni Nesil Mobil Ağların Veriye Dayalı Tasarımı ve Analizi

    MUHAMMED FURKAN KUCUK

    Doktora

    İngilizce

    İngilizce

    2022

    Elektrik ve Elektronik MühendisliğiUnıversıty Of South Florıda

    Haberleşme Ana Bilim Dalı

    DOÇ. DR. İSMAİL UYSAL

Geri Dön