Page 43 - E-Tez Bülteni Mart 2025, SAYI 2

Tez Özeti

Adlandırılmış varlık tanıma (AVT), kişiler, yerler, kurumlar ve tarihler gibi adların metinlerden tanımlanması ve çıkarılması için kullanılan bir doğal dil işleme (DDİ)
işlemleridir. AVT teknikleri, metinlerin daha iyi analiz edilmesi ve anlaşılması, daha etkili bir şekilde düzenlenmesi ve önemli bilgilerin otomatik olarak çıkarılması
amacıyla kullanılmaktadır. Göz takibi, kullanıcıların göz gezdirdikleri bölgeleri, inceleme sürelerini ve odaklandıkları bilgileri belirlemek için göz hareketlerini izleyen
bir tekniktir. Göz takip verileri, özellikle DDİ işlerinde yararlı olabilmektedir. Bu veriler, modellerin dikkatini daha verimli bir şekilde yönlendirmesine ve doğru varlıkları
tanımasına yardımcı olabilir. Bu çalışmanın amacı, göz takip verilerinin metinsel verilerle birleştirildiğinde AVT işlerindeki derin öğrenme modellerinin performansına
olan etkisini incelemektir. Hipotezimiz, göz takip verilerinin eklenmesiyle modellerin varlıkları tanıma ve sınıflandırma doğruluğunun artacağı yönündedir. Bu çalışma,
göz takip verilerinin AVT modellerinin performansı üzerindeki etkisini ve bu verilerin farklı model mimarilerinde sağladığı iyileştirmeleri anlamaya yönelik kapsamlı bir
bakış sunmaktadır. Ayrıca, DDİ işlerinde bilişsel verilerin kullanımının potansiyel faydalarına da ışık tutulmaktadır. Kapsamlı bir perspektif sağlamak amacıyla, derin
öğrenmede yedi farklı model kullanılmıştır: Tekrarlayan Sinir Ağları (TSA), Uzun Kısa Süreli Bellek (UKSB), Çift yönlü Uzun Kısa Süreli Bellek (ÇyUKSB), Kapılı
Tekrarlayan Birimler (KTB), Konvolüsyonel Sinir Ağları (KSA) ve hibrit modeller (KSA-UKSB ve KSA-KTB). Ayrıca, önceki modellerle kullanılmak üzere en iyi
performansı ve en yüksek faydayı sağlayan yöntemi belirlemek için GloVe, TF-IDF, Word2Vec ve FastText olmak üzere dört farklı kelime gömme yöntemi test
edilmiştir. Değerlendirme sürecinde, doğruluk, hassasiyet, hatırlama ve F1 skoru gibi performans ölçütleri esas alınmıştır. Bu çalışmanın özgünlüğü, göz takip
verilerinin metinsel verilerle birleştirilerek AVT işlerinde kullanılan yedi farklı derin öğrenme modelinin mimarilerinde incelenmesi ve bu iki veri türünün
birleştirilmesinden elde edilen faydaların değerlendirilmesinde yatmaktadır. Performans ölçütlerine göre elde edilen sonuçlar, GloVe kelime gömme yönteminin diğer
üç yönteme kıyasla üstün olduğunu göstermiştir. Ayrıca, göz takip verilerinin eklenmesiyle kullanılan modellerin performansında iyileşmeler olduğu gözlemlenmiştir.
Bu sayede modellerin adlandırılmış varlıkları daha doğru bir şekilde tanımlama ve sınıflandırma yeteneğini artırılabildiği sonucuna varılmıştır.
Anahtar kelimeler: Adlandırılmış Varlık Tanıma, Doğal Dil Işleme, Göz Takip Verileri