Yazar "Seyyarer, Ebubekir" seçeneğine göre listele

Listeleniyor 1 - 6 / 6
  • Küçük Resim
    Öğe
    Ağırlıklandırılmış Çizgelerde Tf-Idf ve Eigen Ayrışımı Kullanarak Metin Sınıflandırma
    (2019) Hark, Cengiz; Karcı, Ali; Uçkan, Taner; Seyyarer, Ebubekir
    Öz: Günümüzde gerek metin gerekse cümle sınıflandırma problemleri üzerinde yoğunlukla çalışılmaktadır. Metinsınıflandırma işlemlerinde en önemli problemlerden biri sınıflandırılacak metinlerin yapısal olmamasıdır. Belli birformata sahip olmayan metinlerin öncelikle bir önişlemden geçirilmesi gerekmektedir. Bu çalışmada metinlerisınıflandırma işleminde öncelikle sınıflandırılacak metinlerin önişlemini yapmak amacıyla KUSH (Karci-UçkanSeyyarer-Hark) adında bir önişleme aracı geliştirildi. Sonrasında elde edilen işlenmiş metinlerinsınıflandırılmasında çizge tabanlı matematiksel bir yaklaşım sunulmaktadır. Yapılan çalışmada Türkiye’de iyibilinen 6 haber portalından ve 6 farklı alandan elde edilen metinleri içeren TTC-3600 veri seti kullanılmaktadır.Sınıflandırılacak metinler Tf (Terim frekansı) ve Idf (Ters doküman Frekansı) değerleri dikkate alınarak çeşitliönişlemlerden geçirildikten sonra kenar ve düğümlerden oluşan bir ağırlıklı çizge oluşturulmaktadır.Ağırlıklandırılmış çizgeler kullanılarak sınıflandırma işleminin etkililiği ve matematiksel verimliliği arttırılmıştır.Elde edilen çizgeyi ifade eden Komşuluk Matrisi ve Derece Matrisi kullanılarak Laplace Matrisi elde edilmektedir.Laplace Matrisinin özdeğer ayrışımı sonucunda elde edilen özdeğer ve özdeğer vektörleri ile metinlersınıflandırılmaktadır. Yapılan testler sonucunda sınıflandırma oranlarında dikkate değer bir doğruluk değerineulaşıldığı görülmektedir.
  • Küçük Resim Yok
    Öğe
    Applications and Comparisons of Optimization Algorithms Used in Convolutional Neural Networks
    (Ieee, 2019) Seyyarer, Ebubekir; Uckan, Taner; Hark, Cengiz; Ayata, Faruk; Inan, Mevlut; Karci, Ali
    Nowadays, it is clear that the old mathematical models are incomplete because of the large size of image data set. For this reason, the Deep Learning models introduced in the field of image processing meet this need in the software field In this study, Convolutional Neural Network (CNN) model from the Deep Learning Algorithms and the Optimization Algorithms used in Deep Learning have been applied to international image data sets. Optimization algorithms were applied to both datasets respectively, the results were analyzed and compared The success rate was approximately 96.21% in the Caltech 101 data set, while it was observed to be approximately 10% in the Cifar-100 data set.
  • Küçük Resim Yok
    Öğe
    Effects of the stochastic and deterministic movements in the optimization processes
    (Gazi Univ, Fac Engineering Architecture, 2022) Seyyarer, Ebubekir; Karci, Ali; Ates, Abdullah
    In this study, a linear function representing the iris data set is obtained by making use of the MLR model. SGD, Momentum, Adagrad, RMSProp, Adadelta and Adam optimization algorithms are used to find the optimum values of coefficients of this function. An initialization method with initial population is recommended for these coefficients, which are generally initialized with a fixed or random value in MLRs. IAE, ITAE, MSE and ISE error functions are used as objective functions in the MLR model used. Initial populations of the methods are developed by using a proposed deterministic and classical stochastic initialization methods between upper and lower bounds. The method that are initialized stochasticaly is run several times as seen in literature and the mean values are calculated. On the other hand, the application that is initialized deterministic is only run once. According to the results of deterministic and stochastic initialization methods, it is observed that the coefficients and iteration numbers obtained in both applications are close to each other. Despite very high temporal gain is achieved from the application that is initialized deterministic. As a result of the comparisons, the linear model obtained with Adadelta and MSE reaches the result in the shortest time.
  • Küçük Resim Yok
    Öğe
    Extractive Text Summarization via Graph Entropy
    (Ieee, 2019) Hark, Cengiz; Uckan, Taner; Seyyarer, Ebubekir; Karci, Ali
    There is growing interest in automatic summarizing systems. This study focuses on a subtractive, general and unsupervised summarization system. It is provided to represent the texts to be summarized with graphs and then graph entropy is used to interpret the structural stability and structural information content on the graphs representing the text files. The performance of the proposed text summarizing approach for the purpose of summarizing the text on the data set of Document Understanding Conference (DUC-2002) including open access texts and summaries of these texts was calculated using the Recall-Oriented Understudy for Gisting Evaluation (ROUGE) evaluation metrics. Experimental processes were repeated for 200 and 400 word abstracts. Experimental results reveale that the proposed text summarizing system performs competitively with competitive methods for different ROUGE metrics.
  • Küçük Resim Yok
    Öğe
    Graph-Based Suggestion For Text Summarization
    (Ieee, 2018) Hark, Cengiz; Uckan, Taner; Seyyarer, Ebubekir; Karci, Ali
    One of the methods of text summarization within the context of Natural Language Processing (NLP) works is to summarize the text by selecting sentences from the original text. There are different approaches to summarize sentence selection. In this study, texts that do not have a certain structure have been preprocessed and transfer of the proposed diagram in a structured format in the form of an expression. Different feature extraction methods could be applied on the charts. Our method uses conceptually the diagrams obtained in the representation of the text. This study aims to suggest a method of summarization of texts with a linear weighting of the importance of sentences. Moreover, the method presented does not require the use of deep linguistic knowledge and this work can be adapted to different languages.
  • Küçük Resim
    Öğe
    Metin Özetlemesi için Düğüm Merkezliklerine Dayalı Denetimsiz Bir Yaklaşım
    (2019) Hark, Cengiz; Uçkan, Taner; Seyyarer, Ebubekir; Karcı, Ali
    Öz: Cümle seçerek özetleme çalışmaları kapsamında birçok farklı yaklaşım mevcuttur. Bu çalışmada tek dokümanlıçıkarıcı metin özetleme için yeni ve denetimsiz bir süreç önerilmektedir. Çalışma kapsamında metin dokümanlarıçizgelerle temsil edilmektedir. Sunulan yaklaşım temel olarak metinleri temsil eden çizgeleri kullanmakta vecümlelere yönelik bir ağırlıklandırma önermektedir. Önerilen sürecin farklı düğüm ağırlıklandırma yöntemlerinikullanarak önemli düğümleri belirlenmesi, önerilen özetleme sisteminin cümle puanlandırma aşamasınıoluşturmaktadır. Son olarak bu çalışma kapsamında metin özetleme amaçlı önerilen yaklaşımın, açık erişimlimetinler ve bu metinlere ait özetleri içeren Document Understanding Conference (DUC-2002) veri seti üzerindekiperformansı ROUGE değerlendirme metrikleri kullanılarak hesaplanmıştır. Yapılan deneysel çalışmalarsonucunda önerilen özetleme sisteminin geleneksel çizge tabanlı yaklaşımlar ile rekabet edebilir ölçüdeperformans değerleri ortaya koyduğunu göstermektedir. Önerilen özetleme yaklaşımı ile elde edilen ROUGE-2metriğinin Duyarlılık, Kesinlik ve F-Skor değerleri sırasıyla 0.17068, 0.15772, 0.16383 olarak hesaplandı. Ayrıcasunulan bu basit ve etkili yöntemin dilbilimsel bir süreç izlememesi oldukça önemlidir.