Transfer Öğrenimi ile Yazar Tanıma

---

Tezin Türü: Yüksek Lisans

Tezin Yürütüldüğü Kurum: Dokuz Eylül Üniversitesi, Fen Bilimleri Enstitüsü, Bilgisayar Mühendisliği Ana Bilim Dalı, Türkiye

Tezin Onay Tarihi: 2023

Tezin Dili: İngilizce

Öğrenci: İbrahim Yülüce

Danışman: Feriştah Dalkılıç

Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu

Özet:

Yazar tanıma, metin madenciliğinin uygulama alanlarından biridir. Bir elektronik metnin potansiyel yazarının önceden tanımlanmış yazar adayları arasından yazara özgü yazı stilleri kullanılarak otomatik olarak tahmin edilmesi ile ilgilenir. Bu çalışmada, Türkçe bir metnin yazarının belirlenmesi için transfer öğrenme yöntemleri ve ayrıca transfer öğrenme yöntemlerinin performansını karşılaştırmak için makine öğrenmesi algoritmaları kullanılmıştır. GPT-2, BERT ve Support Vector Machines, Gaussian Naive Bayes, Multi Layer Perceptron, Logistic Regression, Stokastik Gradient Descent gibi klasik makine öğrenimi algoritmalarından bazılarını ve Extremely Randomized Trees ve eXtreme Gradient Boosting dahil topluluk öğrenme yöntemlerini kullandık. Önerilen yöntem, yeni bir gazete makalesi veri setinden elde edilen 10, 15 ve 20 yazar olmak üzere üç farklı büyüklükteki yazar grubuna uygulanmıştır. 1-gram ve 2- gram kelime belirteçleri kullanılarak terim frekansı-ters belge frekans vektörleri oluşturulmuştur. Sonuçlarımız, en başarılı yöntemin 10 yazarda %98,6 sınıflandırma performans doğruluğu ile BERT olduğunu göstermektedir. SGD %97,5 ve %97,1 doğruluk performansı ile 15 ve 20 yazar arasında en başarılı yöntemdir.