GloVe Kelime Gömmeleri ve Sinir Ağları ile Haber Metinlerinin Sınıflandırılması

Authors : Hulya HARK, Meral KARAKURT, Cengiz HARK, Ali KARCİ

Pages : 175-187

Doi:10.29132/ijpas.1265301

View : 39 | Download : 25

Publication Date : 2023-06-30

Article Type : Research Paper

Abstract :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 insert ignore into journalissuearticles values(Long-Short Term Memory, LSTM); ve Evrişimsel Sinir Ağları insert ignore into journalissuearticles values(Convolutional Neural Network, CNN); gibi derin öğrenme modelleri üzerindeki etkisi araştırılmaktadır. Global Vektör insert ignore into journalissuearticles values(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.
Keywords : Yapay Sinir Ağları, Derin Öğrenme, Evrişimsel Sinir Ağları CNN, GloVe

ORIGINAL ARTICLE URL