Yapay Sinir Ağları (YSA), matematik ve mühendislik problemlerinin çözümünde sıkça kullanılmaktadır. YSA, canlıların beyin sinir hücresinden esinlenerek ortaya atılan ve bir ya da birden fazla nöronun belirli disiplin çerçevesinde bir görevi yerine getirmesini sağlayan matematiksel modeldir. YSA’ların eğitimi aşamasında probleme göre değişebilen gizli katman sayısı, ağırlıklar, öğrenme katsayısı ve daha birçok parametre kullanılmaktadır. Bu çalışmada, Karcı Sinir Ağı (Karcı Neural Network -Karcı NN) olarak adlandırılan ve YSA’nın öğrenmesi aşamasında kullanılan öğrenme katsayısının kullanımı yerine kesir dereceli türev kullanılan yeni bir hesaplama yöntemi kullanılmıştır. Karcı NN yöntemiyle yapılan deneysel çalışmalar sonucunda, özellikle alfa parametresinin 1.4 değeri için hata oranının % 0.019 olarak ölçüldüğü başarılı sonuçlar elde edilmiştir.
Dijital haberlerin artan miktarları, istenilen türdeki haberlere doğru ve hızlı bir şekilde erişim için haber metinlerinin kategorilere ayrılmasını gerektirmektedir. Bu çalışmada, ön-eğitimli kelime gömülmelerinin, Uzun Ömürlü Kısa Dönem Bellek Ağı (Long-Short Term Memory, LSTM) ve Evrişimsel Sinir Ağları (Convolutional Neural Network, CNN) gibi derin öğrenme modelleri üzerindeki etkisi araştırılmaktadır. Global Vektör (GloVe) kelime gömülmelerinden alınan bağlamsal temsilleri girdi olarak alan LSTM ve CNN ağları kullanılarak haber metinleri sınıflandırılmıştır. Kapsamlı ve karşılaştırmalı araştırmaların eksikliği nedeniyle GloVe gömme katmanı tarafından sağlanan bağlamsal temsiller farklı sınıflandırıcılar ve veri setleri üzerinde test edilmektedir. Deneysel süreçler boyunca Türkçe Haber başlıklarından oluşan Turkish Headlines veri seti ve BBC News Classification veri setleri kullanılmıştır. Kelime gömülmelerinin ağlar üzerindeki etkisini ortaya koymak için deneysel süreçler aynı parametreler ile tekrarlanmıştır. LSTM modelinde Glove kelime gömülme yöntemi kullanıldığında modelin başarısının %81’den %91’e çıktığı gözlemlenmektedir. CNN modelinde ise Glove kelime gömülmelerinin modelin başarısının olumlu yansımadığı görülmektedir.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.
hi@scite.ai
10624 S. Eastern Ave., Ste. A-614
Henderson, NV 89052, USA
Copyright © 2024 scite LLC. All rights reserved.
Made with 💙 for researchers
Part of the Research Solutions Family.