TR-Dizin İndeksli Yayınlar Koleksiyonu / TR Dizin Indexed Publications Collection
Permanent URI for this collectionhttps://hdl.handle.net/20.500.11779/1927
Browse
11 results
Search Results
Article Mention Detection in Turkish Coreference Resolution(Tubitak Scientific & Technological Research Council Turkey, 2024) Demir, Seniz; Akdag, Hanifi IbrahimA crucial step in understanding natural language is detecting mentions that refer to real-world entities in a text and correctly identifying their boundaries. Mention detection is commonly considered a preprocessing step in coreference resolution which is shown to be helpful in several language processing applications such as machine translation and text summarization. Despite recent efforts on Turkish coreference resolution, no standalone neural solution to mention detection has been proposed yet. In this article, we present two models designed for detecting Turkish mentions by using feed-forward neural networks. Both models extract all spans up to a fixed length from input text as candidates and classify them as mentions or not mentions. The models differ in terms of how candidate text spans are represented. The first model represents a span by focusing on its first and last words, whereas the representation also covers the preceding and proceeding words of a span in the second model. Mention span representations are formed by using contextual embeddings, part-of-speech embeddings, and named-entity embeddings of words in interest where contextual embeddings are obtained from pretrained Turkish language models. In our evaluation studies, we not only assess the impact of mention representation strategies on system performance but also demonstrate the usability of different pretrained language models in resolution task. We argue that our work provides useful insights to the existing literature and the first step in understanding the effectiveness of neural architectures in Turkish mention detection.Article Innovation and Productivity Research in the Last Five Decades: a Bibliometric Analysis(2024) Çelik, DeryaPurpose: This study aims to reveal research trends by revealing the evaluation in this field by making a holistic analysis of academic studies that have examined the concepts of innovation and productivity in the last five decades. This analysis aims to reveal the general structure of academic studies that deal with the concepts of innovation and productivity. Methodology: Articles searched in the ‘‘Social Science Citation Index (SSCI)’’, ‘‘Science Citation Index Expanded (SCI-EXPANDED)’’ and ‘‘Emerging Sources Citation Index (ESCI)’’ in the ‘‘Web of Science (WoS)’’ database, researching innovation and productivity together between 1980-2023. It was analysed and mapped using the VOSviewer 1.6.19 software and manual methods. Co-occurrence Keyword Analysis, Document Co-citation Analysis and manual analysis methods were used in the mapping. Findings: This study reveals how research in innovation and productivity has developed over the last five decades and what trends it has. It has been determined that the most published areas are Economy, Management and Business. The most frequently used keywords were found to be "innovation", "productivity", "research-and-development", "growth", "performance" and "impact". The most published topics on a cluster basis are "impact", "innovation and productivity", "growth", "research and development" and "performance", respectively. In the document co-citation analysis, it was determined that the publication in which all publications were linked included the study titled "Research, Innovation and Productivity: an econometric analysis at the firm level", published by Crépon et al. (1998). This information can be a valuable resource for future research and policy-making and can be used to drive innovation and productivity progress. Originality: While the study is the first and only content analysis to reveal the combined trends in this field by examining the "innovation and productivity" studies together, it is thought that the results obtained can guide researchers and professionals.Article Neural Coreference Resolution for Turkish(2023) Demir, ŞenizCoreference resolution deals with resolving mentions of the same underlying entity in a given text. This challenging task is an indispensable aspect of text understanding and has important applications in various language processing systems such as question answering and machine translation. Although a significant amount of studies is devoted to coreference resolution, the research on Turkish is scarce and mostly limited to pronoun resolution. To our best knowledge, this article presents the first neural Turkish coreference resolution study where two learning-based models are explored. Both models follow the mention-ranking approach while forming clusters of mentions. The first model uses a set of hand-crafted features whereas the second coreference model relies on embeddings learned from large-scale pre-trained language models for capturing similarities between a mention and its candidate antecedents. Several language models trained specifically for Turkish are used to obtain mention representations and their effectiveness is compared in conducted experiments using automatic metrics. We argue that the results of this study shed light on the possible contributions of neural architectures to Turkish coreference resolution.Research Project Kişiselleştirilmiş ve Uyarlamalı Öğrenme için Sözlü Dersanlatımlarının İşlenmesi(TÜBİTAK, 2021) Arısoy Saraçlar, Ebru; Saraçlar, Ebru ArısoyBu projede kişiselleştirilmiş ve uyarlamalı eğitim için gelişmiş konuşma ve dil işleme teknolojileri geliştirip özellikle çevrimiçi ders videolarından öğrenme sürecini verimli hale getirmek amaçlanmıştır. Geliştirilen proje bildiğimiz kadarıyla gelişmiş konuşma ve dil işleme uygulamalarının eğitim teknolojilerinde kullanıldığı en kapsamlı projelerden biridir ve bu sayede eğitim teknolojileri literatürüne de katkı sağlamıştır. Projenin gerçeklenmesi süresince Otomatik Konuşma Tanıma (OKT), konuşma geri getirimi, özellikle sözlü soru cevaplama ve duygu ve düşünce analizi üzerine özgün çalışmalar yapılmıştır. Sistemler hem İngilizce hem de Türkçe ders anlatım videoları için geliştirilmiştir. OKT alanında hem hibrit akustik model içeren hem de uçtan uca eğitilen sistemler için sistem uyarlaması yapılmıştır. Bu sayede ders anlatım videoları üzerinde yüksek başarımla çalışan OKT sistemleri geliştirilmiştir. Sözlü soru cevaplama sistemi ise ilk defa ders anlatım videoları alanına bu proje ile uygulanmıştır. Sözlü soru cevaplama sistemine ait zorlukların aşılması için özgün yöntemler önerilmiş ve bu yöntemler başarıyla uygulanmıştır. Bu sayede sözlü soru cevaplama literatürüne katkı sağlanmıştır. Bu çalışmalara ek olarak ders anlatım videolarına eşlik eden öğrenci yorumları duygu ve düşünce analizi yöntemleri ile olumlu veya olumsuz olarak sınıflandırılmış ve öğrencilerin videoda anlatılan konuyu anlayıp anlamadıkları ölçülmüştür. Bu çalışma duygu ve düşünce analizi sisteminin eğitim teknolojileri alanında öğrencilerin öğrenme düzeyinin analizinde kullanılması özgünlüğünü içermektedir. Projenin çıktısı olarak OKT ve soru cevaplama sistemlerini içeren çevrimiçi bir öğrenme platformu üniversite içinde gerçeklenmiş ve 2020 - 2021 bahar döneminde öğrencilerin kullanımına açılmıştır. Özellikle COVID-19 pandemisiyle hayatımıza etkin olarak giren uzaktan eğitim modeline proje kapsamında geliştirilen sistemin katkı sağlama potansiyeli bulunmaktadır. Bu yüzden geliştirilen sistemin uzaktan eğitim sürecine etkin olarak dahil edilmesi üzerine ilerleyen dönemlerde çalışmalar yapılacaktır.Research Project Diyalog Geliştirme için Bağlaşımlı Tensör Ayrıştırma Yöntemleri(TÜBİTAK, 2021) Şimşek, Serap Kırbız; Lıutkus, Antoine; Cemgil, Ali Taylan; Cemgil, Ali Taylan; Liutkus, AntoineAyrıştırma tabanlı ses modelleme yöntemleri, hesaplama gücünün artmasıyla ve istatistiksel modelleme yöntemlerinin gelişmesiyle birlikte yaygın olarak kullanılmaktadır. Bu yöntemler, ses kodlama, müziksel bilgi çıkarımı, müziğin notaya dökülmesi, içerik analizi, kaynak ayrıştırma, ses onarımı ve gürbüz konuşmacı tanımanın da aralarında bulunduğu birçok alanda kullanılmaktadır. Bizim bu projede temel amacımız, birden fazla kaynak içeren ses kayıtlarındaki konuşma işaretlerini güçlendirmek için kaynak ayrıştırma algoritmalarından faydalanarak bir yöntem geliştirmektir. Diyalog ve ortamdaki diğer sesler arasındaki doğru dengeyi bulmak ses mühendisleri için önemli bir problem olup, dinleyici şikayetlerinin de gittikçe artan bir sebebini oluşturmaktadır. Dinleyiciler, kendi kişisel tercihlerine, dinleme ortamlarına ve duymalarına uygun olarak diyalog ve çevresel sesler arasındaki ses dengesini kendileri ayarlamak istemektedirler. Bu projedeki temel amaçlar ve aşamalar aşağıdaki gibidir: i) Durağan olmayan çok boyutlu zaman serilerinde, matris ve tensör ayrıştırma modellerini kullanarak diyalog içeren ses kayıtlarından diyalogların ayrıştırılması ve bunun daha sonra kayıtta bulunan diğer seslerle farklı oranlarda yeniden birleştirilmesiyle, kullanıcının ihtiyaçlarına ya da zevkine dayalı bir kayıt dinlemesini sağlama ii) Televizyon programları gibi akan veri üzerinde de çalışabilmek üzere, önerilen yöntemin gerçek zamanda çalışması. Bu bağlamda, veri geldikçe gerçek zamanlı olarak işlenecektir. iii) Geliştirilen yöntemlerin etkinliğinin gerçek uygulamalarda kullanımı. Projenin çıktıları olan modelleme, çıkarım ve model seçimi yöntemleri; işaret işleme, yapay öğrenme ve istatistik alanlarında temel metodolojik katkılar yapmaktatır. Bunun dışında çıktılar, bilgi madenciliği, biyoinformatik, sistem biyolojisi, yer bilimleri, karmaşık sistemler, algılayıcı ağları, finans veya akustik konularındaki büyük veri öbeklerinin incelendiği çalışmaları destekleyecektir. Bu bağlamda, MEF Üniversitesi bünyesinde yerli ve uluslararası alanda süren işbirliklerinin sürdürülmesi ve geliştirilmesi de planlanmaktadır.Article Citation - WoS: 1Citation - Scopus: 2Determining and Evaluating New Store Locations Using Remote Sensing and Machine Learning(Tübitak, 2021) Ünsalan, Cem; Turgay, Zeynep Zerrin; Küçükaydın, Hande; Höke, BerkanDecision making for store locations is crucial for retail companies as the profit depends on the location. The key point for correct store location is profit approximation, which is highly dependent on population of the corresponding region, and hence, the volume of the residential area. Thus, estimating building volumes provides insight about the revenue if a new store is about to be opened there. Remote sensing through stereo/tri-stereo satellite images provides wide area coverage as well as adequate resolution for three dimensional reconstruction for volume estimation. We reconstruct 3D map of corresponding region with the help of semiglobal matching and mask R-CNN algorithms for this purpose. Using the existing store data, we construct models for estimating the revenue based on surrounding building volumes. In order to choose the right location, the suitable utility model, which calculates store revenues, shouldbe rigorously determined. Moreover, model parameters should be assessed as correctly as possible. Instead of using randomly generated parameters, we employ remote sensing, computer vision, and machine learning techniques, which provide a novel way for evaluating new store locations.Article Büyük Ölçekli Etki Enbüyükleme Problemi için Lagrange Gevşetmesi Tabanlı Etkin Bir Çözüm Yöntemi(AKÜ FEMÜBİD, 2020) Güney, EvrenEtki Enbüyükleme Problemi (EEP) büyük bir sosyal ağ içindeki en etkin K tane kişiyi seçen zor bir stokastik kombinatoryal eniyileme problemidir. Son yıllarda pek çok araştırmacının ilgisini çeken bu problem için çok sayıda etkin yöntem geliştirilmiştir. Sosyal ağdaki bilginin / etkinin yayılımı çeşitli ağ akış modelleri ile tasarlandığında, elde edilen problemin amaç fonksiyonunun alt-birimsel olduğu gözlemlenmiştir. Bu sebeple basit bir açgözlü algoritma ile (1-1/e) en kötü performans garantisine erişilmiştir. Ancak, aç gözlü algoritmanın büyük boyutlu problemlerde çok uzun çözüm süreleri gerektirmesi alternatif yöntem arayışlarına neden olmuştur. Son yıllarda geliştirilen yeni yöntemler genelde büyük boyutlu ağlarda kısa sürede iyi çözümler elde ederken (1-1/e) performans garantisini de korumaktadır. Ancak pek az sayıda çalışma problemin sadece en-iyi çözümüne odaklanmıştır. Bu çalışmada Lagrange gevşetmesi tabanlı ve EEP’yi eniyi / eniyiye yakın çözen ve ölçeklenebilen bir yöntem geliştirilmiştir. Bu çerçevede, öncelikle Örneklem Ortalama Yakınsaması ile özgün probleme yakınsayan belirgin bir matematiksel model kurulmuştur. Daha sonra bu model üzerinde düğüm tabanlı Lagrange gevşetmesi tekniği uygulanmıştır. İlgili yöntem bağımsız çağlayan ve doğrusal eşik bilgi yayılım modelleri varsayımı altında çeşitli boyutlardaki sosyal ağ veri setleri (Facebook, Enron, Gnutella, arXiv) üzerinde test edilmiştir. Bütün senaryolarda eniyi / eniyiye yakın çözümlere ulaşılırken yazındaki mevcut yöntemlere göre on kata kadar hızlanma sağlanmıştır.Article Citation - WoS: 4Citation - Scopus: 6Consumer Loans' First Payment Default (fpd) Detection and Predictive Model(TUBITAK SCIENTIFIC & TECHNICAL RESEARCH COUNCIL, 2020) Sevgili, Türkan; Koç, Utku; Koç, UtkuThe project is based on the opinion that whether the loan applications which are profitable could be granted instead of prone the default (FPD) ones by using predictive models in machine learning by the credit decision authorities in banking sector. Default Loan (also called non-performing loan) occurs when there is a failure to meet bank conditions and cannot be repaid in accordance with the terms of the loan which has reached its maturity. This report is a research effort in the analysis of default loan applicants, especially FPD, from a real dataset obtained from a bank. Expectation from the study is that increase the efficiency of consumer loan allocation by providing predictive analysis of the consumer behavior concerning loan’s first payment default. FPD detection analysis is a crucial role for the determination of consumer loans at the application level. The study also provides an understanding on the reasons of non-performing loans and helps to manage credit risks more consciously. The methods proposed in this study can be extended to other individual consumer loans such as car credits and mortgage.Article Stokastik Süreler İçeren Kapasite Kısıtlı Parti Büyüklüğü Belirleme Problemi(EJOSAT - DergiPark, 2019) Taş, DuyguBu makalede üretim ve kurulum süreleri stokastik olan kapasite kısıtlı çok ürünlü dinamik parti büyüklüğü belirleme problemi ele alınmıştır. Bu problemde tüm sürelerin stokastik olduğu durum göz önünde bulundurularak hem verimli hem de güvenilir üretim planları elde edilmektedir. Ele alınan problemin amacı klasik üretim maliyetleri ve ek mesai maliyetlerinden oluşan toplam maliyeti en küçüklemektir. Klasik maliyetler, üretim, kurulum ve envanter tutmaktan kaynaklanmaktadır. Ek mesai maliyetleri ise makinenin zaman kapasitesini aşacak şekilde kullanılmasından dolayı ortaya çıkmaktadır. Öncelikle, belirli bir üretim ve kurulum planı için beklenen ek mesai süresini kesin olarak hesaplayan bir prosedür önerilmiştir. Problemi etkin bir şekilde çözmek için tabu algoritmasına dayanan bir çözüm yaklaşımı geliştirilmiştir. Bu yaklaşım üç aşamadan oluşmaktadır: Başlangıç, iyileştirme ve planlama. Algoritmanın ilk aşamasında olurlu planlar üreten bir başlangıç metodu önerilmiştir. Bulunan planlar makalede önerilen tabu arama metoduyla iyileştirilmektedir. Planlama aşamasında, yerel arama metodunun bulduğu çözümleri iyileştirmek için bir doğrusal programlama modeli geliştirilmiştir. Çözüm yöntemimizin performansı literatürde yayınlanmış alt sınırlar kullanılarak onaylanmıştır. Ayrıca, sonuçlar tabu arama yöntemimizin makul sürelerde çok iyi çözümler elde ederek iyi performans sergilediğini göstermektedir.Article Citation - WoS: 8Citation - Scopus: 8Zaman Pencereli ve Değişken Başlama Zamanlı Bir Araç Rotalama Problemi için Sütun Türetme Temelli Matsezgiseller(DergiPark, 2019) Küçükaydın, HandeIn this study, a vehicle routing problem with time windows is investigated, where the costs depend on the total duration of vehicle routes and the starting time from the depot for each vehicle is determined by a decision maker. In order to solve the problem, two column generation based mat-heuristics are developed, where the first one makes use of the iterated local search and the second one uses the variable neighbourhood search. In order to assess the accuracy of the mat-heuristics, they are first compared with an exact algorithm on small instances taken from the literature. Since their performance are quite satisfactory, they are further tested on 87 large instances by running each algorithm 3 times for each instance. The computational results prove that the mat-heuristic using the variable neighbourhood search outperforms the other one. Hence, this enables to obtain a good feasible solution in a very short time when it is not possible to solve large instances with an exact solution method in a reasonable CPU time.