The purpose of the present study is to find out the extent to which the real spoken language is reflected in TV series in terms of vocabulary. In accordance with this purpose, a corpus, named as the British TV Series Corpus (BTSC) was compiled for the present study using two British TV series, Sherlock and Doctor Who, and this corpus was compared to the spoken part of the British National Corpus (BNC), more than 40% of which was compiled from naturally occurring speech in order to find out whether there is a relationship between two corpora. The results showed that the TV series corpus covered the 98.54% of the most frequent lemmas in the spoken part of the British National Corpus, so the language used in TV series reflects the language spoken in the real life in terms of the vocabulary items and their frequency. Accordingly, it can be claimed that TV series can be used as effective in-class and extra-curricular materials for teaching vocabulary and speaking and listening skills.
ÖzBiyolojik katilazör olarak görev yapan enzimler katalizlediği tepkime türüne ve mekanizmasına göre sınıflandırılırken her sınıf altında substrat seçiciliği durumlarına göre de alt sınıflar oluşturulmuştur. Aynı zamanda enzimlerin sınıflandırılmasında yapısal, kimyasal ve bağlantısallık özellikleri önemli olmaktadır. Enzim fonksiyonunu tahmini yeni enzimlerin tasarlamalarına yardımcı olmak ve enzimle ilişkili hastalıkları teşhisinde önemli olmaktadır. Enzimlerin önemli bir çoğunluğu belirli reaksiyonları gerçekleştiriken, sınırlı sayıda enzim farklı reaksiyonlar gerçekleştirebilmektedir. Bu nedenle birden fazla enzimatik fonksiyonla doğrudan ilişkilendirilebilmektedir. Gerçekleştirilen bu çalışmada enzimatik fonksiyonun ikili ve çok etiketli sınıflandırma ile tahmini amaçlanmıştır. Enzimlerin sınıflandırılmasında daha başarılı sonuçların kimyasal özelliklerin kullanılmasında ortaya çıktığı görülmüştür. Ancak tüm özelliklerin kullanılması durumunda sınıflandırma performansının daha da arttığı görülmüştür. Enzimatik fonksiyon tahmnine yönelik kullanılan modellerin başarısı incelendiğinde Derin Öğrenme modellerinin hem ikili hemde çok etiketli sınıflandırma performansının daha yüksek olduğu görülmüştür. Sonuç olarak önerilen modellerinin enzimatik fonksiyonların sınıflandırılmasında önemli bir araç olduğu ortaya konmuştur.
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.
customersupport@researchsolutions.com
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.