Yazar "Tintin, Rabia" seçeneğine göre listele

Listeleniyor 1 - 4 / 4
  • [ X ]
    Öğe
    Gövde-Türk: A Turkish stemming method
    (Institute of Electrical and Electronics Engineers Inc., 2017) Yücebaş, Sait Can; Tintin, Rabia
    This study presents a stemming method for Turkish Language that searches inflectional suffixes at the end of the words and eliminate them according to the rules provided by finite state machines and longest match manner. © 2017 IEEE.
  • [ X ]
    Öğe
    Govde-Turk: A Turkish Stemming Method
    (IEEE, 2017) Yuceba, Sait Can; Tintin, Rabia
    This study presents a stemming method for Turkish Language that searches inflectional suffixes at the end of the words and eliminate them according to the rules provided by finite state machines and longest match manner.
  • [ X ]
    Öğe
    Gövde-Türk: Bir türkçe gövdeleme yöntemi
    (Çanakkale Onsekiz Mart Üniversitesi, 2018) Tintin, Rabia; Yücebaş, Sait Can
    İlgili tez çalışmasında doğal dil işleme çalışmaları kapsamında Türkçe sözcüklerin sağdan sola taranarak tüm çekim eklerinin sonlu durum makineleri ile tanımlanan ekleme kurallarına ve en uzun eşleşme mantığına göre sözcük sonundan atılarak sözcüğün türemiş son halinin, gövdesinin, bulunmasını amaçlayan bir yöntem geliştirilmiştir. Geliştirilen Gövde-Türk Yöntemi, gelecek doğal dil işleme çalışmalarının temeli niteliğinde olup bu kapsamda farklı amaçlara hizmet edebilecek uygulamalarda bir araç olarak kullanılabilecektir. Önerilen yöntem, platform bağımsız Java programlama dilinde geliştirilmiş olup bu sayede ilgili yöntemin farklı uygulamalara kolayca entegre edilebilmesi sağlanmıştır. Sözlük veri yapısı olarak ise trie metin ağacı kullanılmış olup bu sayede ilgili yöntemin diğer yöntemlerden daha hızlı olması hedeflenmiştir. Yapılan analizler sonucunda geliştirilen Gövde-Türk gövdeleme yönteminin %97 oranında başarılı olduğu, yan ürün olarak geliştirilen etiketleme algoritmasının ise %93 oranında başarılı olduğu görülmüştür.
  • Küçük Resim
    Öğe
    GovdeTurk: A Novel Turkish Natural Language Processing Tool for Stemming, Morphological Labelling and Verb Negation
    (Zarka Private University, 2021) Yücebaş, Sait; Tintin, Rabia
    GovdeTurk is a tool for stemming, morphological labeling and verb negation for Turkish language. We designed comprehensive finite automata to represent Turkish grammar rules. Based on these automata, GovdeTurk finds the stem of the word by removing the inflectional suffixes in a longest match strategy. Levenshtein Distance is used to correct spelling errors that may occur during suffix removal. Morphological labeling identifies the functionality of a given token. Nine different dictionaries are constructed for each specific word type. These dictionaries are used in the stemming and morphological labeling. Verb negation module is developed for lexicon based sentiment analysis. GovdeTurk is tested on a dataset of one million words. The results are compared with Zemberek and Turkish Snowball Algorithm. While the closest competitor, Zemberek, in the stemming step has an accuracy of 80%, GovdeTurk gives 97.3% of accuracy. Morphological labeling accuracy of GovdeTurk is 93.6%. With outperforming results, our model becomes foremost among its competitors.