000			03531nam a2200409 i 4500
999			_c200435239 _d53451
003			TR-AnTOB
005			20230908000942.0
007			ta
008			171111s2018 xxu e mmmm 00| 0 eng d
040			_aTR-AnTOB _beng _erda _cTR-AnTOB
041	0		_atur
099			_aTEZ TOBB FBE BİL YL’18 SAR
100	1		_aSarı, Mustafa _9110755
245	1	0	_aDerin öğrenme yöntemleri kullanılarak Türkçe doküman sınıflandırma / _cMustafa Sarı.
264		1	_aAnkara : _bTOBB ETÜ Fen Bilimleri Enstitüsü, _c2018.
300			_ax, 43 pages : _billustrations ; _c29 cm
336			_2rdacontent _btxt _atext
337			_2rdamedia _bn _aunmediated
338			_2rdacarrier _bnc _avolume
502			_aTez (Yüksek Lisans)--TOBB ETÜ Fen Bilimleri Enstitüsü Kasım 2018
520			_aÇalışmamızda kaleme alınmış yazıların, yazarına ve konusuna göre birbirinden ayrılması ve sınıflandırılabilmesi amaçlanmıştır. Bir gazetenin köşe yazarlarının yazılarının vektörleri oluşturulmuştur ve birbirinden ne kadar ayrılabildiğinin analizi yapılmıştır. Yazarı bilinmeyen herhangi bir yazının hangi yazara ait olduğu belirlenebilir veya birbirlerine benzer stiller gruplanarak yazar profilleri oluşturulabilir. Konusu bilinmeyen bir yazının hangi konulara ait olabileceği belirlenebilir. DeepLearning4J Java kütüphanesi ve burada yer alan Doc2Vec sınıfı kullanılmıştır. 5,10,15 ve 20 yazar içeren modeller ve yazarların yazdıkları konulara göre modeller geliştirilmiştir. Bu şekilde elde edilen benzerlik vektörleri belirli bir eşik değeri ile karşılaştırılmıştır, değişik eşik değerleri seçimine bağlı model başarımları ölçülmüştür. Elde edilen sonuçlara göre bazı yazarlar belirgin bir şekilde diğer yazarlardan ayrılmaktadır. Yazılar konularına göre başarılı bir şekilde etiketlenebilmektedir. Bu yapı özellikle yazar profili çıkarımı, yazı tespiti veya konu gruplama gibi alanlarda kullanılabilecek niteliktedir.
520			_aIn our study, it is aimed to distinguish and classify author profiles and text subjects with vectors which were created from authors posts. The vectors of the columnists of a newspaper were formed and analyzed for how much they could be separated from each other. Hence, author of any post, can be determined by this model. It also can group similar styles together. The DeepLearning4J Java library and the Doc2Vec class included are used during development. 5,10,15, 20 author vector models and their subject models were created according to their posts. The similarity vectors obtained in this way were compared with a certain threshold value, and the model performances based on the selection of different threshold values were measured. According to the results, some authors differed significantly from other authors. Articles can be successfully labeled according to their topics. This structure can be used especially in areas such as author profile extraction, article detection or subject grouping.
650		7	_aTezler, Akademik _932546
653			_aPV-DBOW
653			_aPV-DM
653			_aDL4J
653			_aParagraf vektörleri
653			_aword2Vec
653			_adoc2Vec
653			_aMetin madenciliği
653			_aParagraph vectors
653			_aText mining
710			_aTOBB Ekonomi ve Teknoloji Üniversitesi. _bFen Bilimleri Enstitüsü _977078
856	4	0	_uhttps://tez.yok.gov.tr/ _3Ulusal Tez Merkezi
942			_cTEZ _2z