Unleashing the Potential of Deep Learning Methods for Detecting Defective Expressions using Hyperparameter Optimization Techniques
Yazarlar (2)
Dr. Öğr. Üyesi Atilla SUNCAK Kastamonu Üniversitesi, Türkiye
Doç. Dr. Özlem Aktaş Dokuz Eylül Üniversitesi, Türkiye
| Makale Türü |
Özgün Makale
(Diğer hakemli uluslarası dergilerde yayınlanan tam makale)
|
||
| Dergi Adı | Dokuz Eylül Üniversitesi Mühendislik Fakültesi Fen ve Mühendislik Dergisi | ||
| Dergi ISSN | 1302-9304 | ||
| Dergi Tarandığı Indeksler | TR DİZİN | ||
| Makale Dili | Türkçe | Basım Tarihi | 01-2025 |
| Kabul Tarihi | 16-04-2024 | Yayınlanma Tarihi | 23-01-2025 |
| Cilt / Sayı / Sayfa | 27 / 79 / 72–79 | DOI | 10.21205/deufmd.2025277910 |
| Makale Linki | https://dergipark.org.tr/en/download/article-file/3781688 | ||
| UAK Araştırma Alanları |
Yapay Zeka
Makine Öğrenmesi
Veri Madenciliği
|
||
| Özet |
| Doğal Dil İşleme (DDİ), derin öğrenme çalışmaları alanında dikkat çekici ilerlemeler ortaya koymuştur. Derin öğrenme tabanlı teknikler, yalnızca kural tabanlı DDİ yöntemlerine üstün bir alternatif olmakla kalmayıp, aynı zamanda metin sınıflandırma, duygu analizi veya belge kümeleme gibi çeşitli DDİ görevlerinde de daha doğru performanslar elde etmeyi başarmıştır. Bir derin öğrenme modelinin performansı, şüphesiz ki hiperparametrelerinin ideal şekilde ayarlanmasına bağlı olduğundan, en ideal hiperparametrelerin ayarlanması, girdi verilerinden anlamlı örüntü çıkarma açısından model öğrenmesinin kapasitesini belirler. Bu makalede, Türkçe cümlelerdeki anlatım bozukluklarını tespit etmek amacıyla Uzun Kısa-Süreli Bellek (UKSB) ve Evrişimsel Sinir Ağları (ESA) derin öğrenme modelleri üzerinde Bayesian Optimization, Random Search ve Grid Search hiperparametre optimizasyon teknikleri uygulanmıştır. Bu amaçla daha önce geliştirilmiş UKSB ve ESA modellerinin hiperparametreleri, zaman alan ve genel olarak en ideal modeli garanti edemeyen deneme-yanılma yaklaşımı kullanılarak ayarlanmıştı. Bu hiperparametreler, optimizasyon teknikleri kullanılarak ayarlandıktan sonra ise, doğruluk açısından performansları UKSB ve ESA modelleri için sırasıyla %87,94'ten %92,82'ye ve %84,33'ten %89,79'a yükseltilmiştir. |
| Anahtar Kelimeler |
| Bayesian optimization | Grid search | Hiperparametre optimizasyonu | Doğal dil işleme | Random search | Türkçe |
BM Sürdürülebilir Kalkınma Amaçları
| Atıf Sayıları |