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

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
   38   39   40   41   42   43   44