Yapay zeka kullanarak Arapça doğal dil işleme doğruluğunun iyileştirilmesi
Improving Arabic natural language processing accuracy using artificial intelligence
- Tez No: 927396
- Danışmanlar: DOÇ. DR. NURULLAH YILMAZ
- Tez Türü: Yüksek Lisans
- Konular: Doğu Dilleri ve Edebiyatı, Eastern Linguistics and Literature
- Anahtar Kelimeler: Yapay zekâ, Arapça, Doğal dil işleme (NLP), Morfolojik karmaşıklık, Lehçeler, Bağlama bağlı anlam, Derin öğrenme, Makine öğrenimi, Transformer tabanlı modeller, Veri setleri, Çeviri, Duygu analizi, Metin sınıflandırması, Hiperparametre optimizasyonu, Dijital entegrasyon, Artificial intelligence, Arabic, Natural language processing (NLP), Morphological complexity, Dialectal variations, Context-dependent meaning, Deep learning, Machine learning, Transformer-based models, Datasets, Translation, Sentiment analysis, Text classification, Hyperparameter optimization, Digital integration
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Atatürk Üniversitesi
- Enstitü: Sosyal Bilimler Enstitüsü
- Ana Bilim Dalı: Arap Dili ve Edebiyatı Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu tez, yapay zekâ teknolojilerinin Arapça doğal dil işleme (NLP) üzerindeki etkisini inceleyerek, bu alandaki doğruluk oranını artırmayı amaçlamaktadır. Arapça'nın kendine özgü zorlukları olan morfolojik karmaşıklık, lehçeler ve bağlama bağlı anlam değişiklikleri gibi özellikleri, NLP tekniklerinin etkili bir şekilde uygulanmasını zorlaştırmaktadır. Bu zorlukları aşmak için çeşitli yapay zekâ yöntemleri (makine öğrenimi, derin öğrenme ve Transformer tabanlı modeller) kullanılmış, veri setlerinin ön işleme ve etiketleme süreçleri optimize edilmiştir. Araştırma, geniş kapsamda Arapça metin veri setleri kullanarak çeviri, duygu analizi ve metin sınıflandırması gibi uygulamalarda yapay zekâ modellerinin performansını değerlendirmiştir. Çalışma sürecinde TensorFlow ve PyTorch gibi derin öğrenme kütüphaneleri, hiperparametre optimizasyonu ve çapraz doğrulama teknikleri kullanılmış; geliştirilen modellerin doğruluğu çeşitli metriklerle analiz edilmiştir. Bulgular, Arapça NLP'nin başarısının, veri kalitesi ve özelleştirilmiş algoritmalarla önemli ölçüede iyileştirilebileceğini göstermiştir. Tez, Arapça'nın dijital dünyaya entegrasyonunu kolaylaştıracak ve çok dilli platformlarda etkili bir kullanım sağlayacak tekniklerin geliştirilmesine katkıda bulunmaktadır. Elde edilen sonuçlar, doğruluk oranlarının artmasıyla Arapça'nın çeşitli alanlarda daha geniş bir kullanım alanı bulabileceğini ortaya koymuştur. Gelecekte, farklı lehçeler ve bölgesel çeşitlilikler dikkate alınarak daha kapsamlı çalışmalar yapılmsıönerilmektedir.
Özet (Çeviri)
This thesis examines the impact of artificial intelligence technologies on Arabic natural language processing (NLP) and aims to enhance the accuracy of this field. Arabic's unique challenges, such as morphological complexity, dialectal variations, and context- dependent meaning shifts, make the effective application of NLP techniques difficult. To address these challenges, various Al methods (machine learning, deep learning, and Transformer-based models) were employed, and preprocessing and labeling processes for datasets were optimized. The research evaluated the performance of Al models in applications such as translation, sentiment analysis, and text classification using extensive Arabic text datasets. TensorFlow and PyTorch deep learning libraries were utilized during the study, along with hyperparameter optimization and cross-validation techniques. The accuracy of the developed models was analyzed using various metrics. The findings demonstrated that the success of Arabic NLP could be significantly improved with high-quality data and tailored algorithms. The thesis contributes to the development of techniques that facilitate the integration of Arabic into the digital world and enable effective use on multilingual platforms. The results indicate that increasing accuracy rates will expand the applicability of Arabic in various fields. Future studies are recommended to focus on diverse dialects and regional variations for a more comprehensive approach.
Benzer Tezler
- ArGemma: Gemma'nın Arapçaya uyarlanddırılması için ince ayar ve çok görevli öğrenme mimarisi
ArGemma: A fine-tuning and multi-task learning architecture for adapting Gemma to Arabic
TAHA AL-SELWI
Yüksek Lisans
Türkçe
2026
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SERAP ÇAKAR KAMAN
- Sentiment analysis of Arabs in Turkey using deep learning on social media data
Sosyal medya verileri üzerinde derin oğrenme kullanılarak Türkeyedeki Arabların duygu analizi
İNAS CUMAOĞLU
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKarabük ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. YÜKSEL ÇELİK
DR. ÖĞR. ÜYESİ VEDAT TÜMEN
- Architecture and circular economy: Developing a building-scale circularity indicator
Mimarlık ve döngüsel ekonomi: Bina ölçeğinde döngüsellik indikatörü geliştirilmesi
BURCU KISMET
Doktora
İngilizce
2025
Mimarlıkİstanbul Teknik ÜniversitesiBilişim Ana Bilim Dalı
PROF. DR. MERYEM BİRGÜL ÇOLAKOĞLU
- El yazısı karakter tanıma ve resim sınıflandırmada derin öğrenme yaklaşımları
Deep learning approaches in handwritting character recognition and image classification
AOUDOU SALOUHOU
Yüksek Lisans
Türkçe
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFatih Sultan Mehmet Vakıf ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ BERNA KİRAZ
- Drug target interaction prediction using artificial intelligence
Yapay kullanarak ilaç hedef etkileşimi tahminizeka
BARAA TAHA YASEEN YASEEN
Doktora
İngilizce
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş ÜniversitesiElektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. SEFER KURNAZ