GRU ve CNN Tabanlı Hibrit Derin Öğrenme Modeli ile Çok Etiketli Metin Analizi

EasyChair Preprint no. 8449

Abstract

Twitter, Facebook, Instagram, WhatsApp ve Wikipedia gibi sosyal ağlarda paylaşılan yazılı paylaşımlar her geçen gün artmaktadır. Sosyal ağlarda veri içerikleri herhangi bir kontrol olmaksızın artış göstermektedir. Artan bu yazılı sosyal paylaşım verileri içerisinden anlamlı, olumlu ve olumsuz veri içeriklerinin otomatik olarak analiz edilmesi önemlidir. Bu maksatla Wikipedia sosyal paylaşım sistemine ait yazılı paylaşımların içerik analizlerini gerçekleştirmek için metin analizi çalışması yapılmıştır. İçerik analizlerinde metin analizi ile verilerin ön işlenmesi ve sayısallaştırılması mümkün olsa da öznitelik haritasının elde edilmesinde derin öğrenme modellerine ihtiyaç bulunmaktadır. Metin analizinin gerçekleştirilmesinde doğal dil işleme yöntemleri kullanılmıştır. Analizi yapılan metinlerin içeriklerine göre çok etiketli metin sınıflandırılmasında Gated Recurrent Unit (GRU) ve Convolutional Neural Network (CNN) tabanlı bir hibrit model ile gerçekleştirilmiştir. Doğal dil işleme teknikleri, Wikipedia kullanıcı yorumları girdi olarak alındıktan sonra ön işlenmiştir. Ön işlenen metin verileri GloVe gömme katmanı ile sayısallaştırılmıştır. Sayısallaşan metinler, çok katmanlı derin öğrenme mimarisine girdi olarak verilerek işlenmiştir. Binlerce Wikipedia yorumunun makine öğrenmenin aktif alt alanlarından biri olan derin öğrenme ile sınıflandırılması belirtilen adımlar ile gerçekleştirilmiştir. Önerilen yöntem ile gerçekleştirilen deneysel çalışmalarda elde edilen performans metrikleri sunulmuştur.

Keyphrases: CNN, derin öğrenme, GRU, Wikipedia, Çok etiketli metin analizi

@Booklet{EasyChair:8449,
  author = {Halit Çetiner},
  title = {GRU ve CNN Tabanlı Hibrit Derin Öğrenme Modeli ile Çok Etiketli Metin Analizi},
  howpublished = {EasyChair Preprint no. 8449},

  year = {EasyChair, 2022}}