Sunum yükleniyor. Lütfen bekleyiniz

Sunum yükleniyor. Lütfen bekleyiniz

Yeşim AKSAN, Selma Ayşe ÖZEL, Yasin BEKTAŞ, Mustafa AKSAN, Umut Ufuk DEMİRHAN, Ümit MERSİNLİ, Hakan YILMAZER Sunan : Yasin BEKTAŞ 5 Şubat 2014.

Benzer bir sunumlar


... konulu sunumlar: "Yeşim AKSAN, Selma Ayşe ÖZEL, Yasin BEKTAŞ, Mustafa AKSAN, Umut Ufuk DEMİRHAN, Ümit MERSİNLİ, Hakan YILMAZER Sunan : Yasin BEKTAŞ 5 Şubat 2014."— Sunum transkripti:

1 Yeşim AKSAN, Selma Ayşe ÖZEL, Yasin BEKTAŞ, Mustafa AKSAN, Umut Ufuk DEMİRHAN, Ümit MERSİNLİ, Hakan YILMAZER Sunan : Yasin BEKTAŞ 5 Şubat 2014

2 1. Giriş 2. Alanyazın 3. Açık Kaynak / Ücretsiz Yazılımlarla Türkçe Tümcelerin Belirlenmesi 1.TUD-Alt Derlemi 2.Açık Kaynak Kodlu / Ücretsiz Uygulamaların Performans Analizleri 4. Sonuç ve Öneriler 5. Kaynaklar

3 Doğal Dil İşleme (DDİ) günümüzde  dil bilimi,  dil eğitimi,  bilgisayar mühendisliği v.b. pek çok farklı alanı birleştiren bir araştırma alanıdır.

4  Derlem İşlemleme (Corpus Processing) ◦ Özel ya da genel amaçlı incelemeler yapmak için yazılı ve sözlü metinlerden oluşan metinler bütünüdür, ◦ Elektronik veritabanında kayıtlı metinlerin veri bilgisiyle birleştirilmiş toplamıdır, ◦ Derlem veritabanları, dilin farklı yönlerinin araştırmacılar tarafından betimlenmesine olanak tanımaktadır.

5 Tümce sonu belirleme çalışmalarında,  nokta,  ünlem,  soru işareti vb. noktalama işaretleri sadece tümce ayracı olarak kullanılmazlar ve bu anlamda, Tümce sonu belirleme, noktalama işaretlerinin belirginleştirilmesi olarak da özetlenebilir.

6  Bilgisayar mühendisliği açısından tümce sonu belirleme ; ◦ Sözdizimsel ayrıştırma (syntactic parsing), ◦ Bilgi çıkarımı (information extraction), ◦ Makine çevirisi (machine translation), ◦ Metin hizalama (text alignment), ◦ Belge özetleme (document summarization), ◦ İstatistiksel ya da makine öğrenmesi yöntemleri ◦ Sözcük türü belirginleştirme çalışmaları için önemli olduğu söylenebilir.

7 Bilgisayarlı dilbilim alanyazınında tümce sonu belirleme problemi iki farklı yöntemle çözümlenmeye çalışılmıştır;  Kural Tabanlı Yaklaşım  Makine Öğrenmesine Dayalı Yaklaşım

8  Kural Tabanlı Yaklaşım ◦ Anlaşılması zor ◦ Veri setleri yalnızca kullanılan metinler ile sınırlı  Makine Öğrenmesine Dayalı Yaklaşım ◦ Reynar ve Ratnaparkhi(Maksimum Entropi) ◦ Riley(Karar Ağacı Sınıflandırıcısı) ◦ Palmer ve Hearst(Yapay Sinir Ağı) ◦ Mikheev(Hiddin Markov-Maksimum Entropi)

9  Var Olan Bazı Uygulamalar ◦ Apache OpenNLP kütüphanesi ◦ Julie Sentence Boundary Detector (Tomanek vd.) ◦ GeniaSS ◦ Splitta(Gillick)

10  Türkçe için yapılan bazı çalışmalar ◦ İstatistiksel Bir Bilgi Çıkarım Sistemi (Tür) - Başarım: %91.56 ◦ Türkçede tümce sonu belirleme (Dinçer ve Karaoğlan ) – Başarım: %96.02 ◦ Türkçe için kural tabalı cümle belirleme metodu(Aktaş ve Çebi) - Başarım: %99.60

11 Çalışmaya konu olan derlem, TUD dağılım ölçütleri kullanılarak hazırlanmış;  Günümüz Türkçesinin metin örneklerinden oluşan,  20 yıllık bir dönemi ( ) kapsayan,  Çok farklı alan ve türden  Yazılı ve sözlü metin örneklerini içeren,  Dengeli  Temsil yeterliliğine sahip bir alt-derlemdir.

12 AlanOranToplam Sözcük Sayısı Hedeflenen Sözcük Sayısı 1.Kurgusal Düzyazı % Bilgilendirici Metinler % Tablo 1. Alana göre Dağılım

13 Türev Metin BiçimiOranToplam Sözcük Sayısı 1. Akademik Düzyazı% Kurgu ve Şiir% Dram, Tiyatro% MediaOranToplam Sözcük Sayısı 1. Kitaplar%46, Süreli Yayınlar%37, Bilim.Dergileri%14, Gazeteler%11, Dergiler%11, Diğer Basılmış Metinler %6, Basılmamış Yazılı Metinler %2, Sözlü Metinler%8, Tablo 2. Kurgusal Düzyazı Metinlerinin Türev Metin Biçimine göre Dağılımı Tablo 3. Bilgilendirici Metinlerin Medyaya göre Dağılımı

14 AlanOranToplam Sözcük Sayısı 1. Bilgilendirici: Doğa ve Temel Bilimler%5, Bilgilendirici: Uygulamalı Bilimler%10, Bilgilendirici: Sosyal Bilimler%20, Bilgilendirici: Dünya Sorunları%22, Bilgilendirici: Sanat%8, Bilgilendirici: Düşünce ve İnanç%5, Bilgilendirici: Serbest%18, Bilgilendirici: Ticaret ve Finans%10, Tablo 4. Bilgilendirici Metinlerin Alanlara göre Dağılımı

15 Bu çalışmada açık kaynak kodlu ◦ Julie Sentence Boundary Detector (JSBD), ◦ GeniaSS, ◦ Splitta, ◦ Ücretsiz Web servisi şeklinde çalışan ve Dokuz Eylül Üniversitesi Doğal Dil İşleme Araştırma Grubu (9EDDİ) tarafından Türkçe metinler için geliştirilmiş tümce ayırma sistemi karşılaştırılmıştır.

16 Kullanılan alt derlem; • Yarı otomatik olarak oluşturulmuştur • 10 Milyon sözcük • adet tümce elde edilmiştir.

17 YazılımBulunan Toplam Tümce Sayısı Doğru Tümce Sayısı Doğruluk Oranı JSBD %70 Splitta %22 GeniaSS %88 9EDDİ %75 Tablo 5. Tümce Sonu Belirleme Yazılımlarının Alt-derlem Üzerindeki Başarımı

18 Şekil 1. Yazılımların Doğa ve Temel Bilimler Alanındaki Metinler Üzerindeki Başarımı Şekil 2. Yazılımların Uygulamalı Bilimler Alanındaki Metinler Üzerindeki Başarımı Şekil 3. Yazılımların Sosyal Bilimler Alanındaki Metinler Üzerindeki Başarımı Şekil 4. Yazılımların Dünya Sorunları Alanındaki Metinler Üzerindeki Başarımı

19 Şekil 5. Yazılımların Sanat Alanındaki Metinler Üzerindeki Başarımı Şekil 6. Yazılımların Düşünce ve İnanç Alanındaki Metinler Üzerindeki Başarımı Şekil 7. Yazılımların Serbest Alanındaki Metinler Üzerindeki Başarımı Şekil 8. Yazılımların Ticaret ve Finans Alanındaki Metinler Üzerindeki Başarımı

20 ◦ Şekillerde yer alan yüzdelik ifadeler, yazılımın ürettiği doğru tümce sayısının/yazılımın ürettiği toplam tümce ◦ Splitta hariç %75 ile %89 aralığında oranlar elde edilmiştir. ◦ En fazla tümceyi ve en fazla doğru tümceyi üreten GeniaSS uygulaması olmuştur. ◦ Güncel Türkçe metinler için hazırlanan 9EDDİ ise bazı alanlarda daha iyi sonuçlar vermiştir.

21 ◦ İngilizce tıp metinleri için hazırlanmasına rağmen en iyi sonucu GeniaSS üretmiştir. ◦ Daha sonra (özellikle bazı metin gurupları için) 9EDDİ yazılımı başarılı sonuçlar vermiştir. ◦ Üretilen tümce sayının doğru tümcelere oranına bakıldığında 9EDDİ daha iyi sonuçlar vermiştir.

22 Bu çalışma çeşitli alanlarda yazılmış Türkçe metinler için; ◦ Daha etkin tümce sonu belirleme sistemlerine ihtiyaç olduğunu göstermiştir. ◦ Tümce sonu belirleme yöntemi geliştirilirken TUD alt-derlemi gibi dili temsil etme yeteneğine sahip bir derlem ile çalışmanın daha etkin sistemlerin geliştirilmesine yardımcı olacağı düşünülmektedir.

23 TÜBİTAK: Proje no 113K039

24 Yasin BEKTAŞ


"Yeşim AKSAN, Selma Ayşe ÖZEL, Yasin BEKTAŞ, Mustafa AKSAN, Umut Ufuk DEMİRHAN, Ümit MERSİNLİ, Hakan YILMAZER Sunan : Yasin BEKTAŞ 5 Şubat 2014." indir ppt

Benzer bir sunumlar


Google Reklamları