Please use this identifier to cite or link to this item: https://hdl.handle.net/11147/11256
Full metadata record
DC FieldValueLanguage
dc.contributor.authorOğul, İskender Ülgen-
dc.contributor.authorTekir, Selma-
dc.date.accessioned2021-11-06T09:27:13Z-
dc.date.available2021-11-06T09:27:13Z-
dc.date.issued2021-
dc.identifier.isbn9781665436496-
dc.identifier.urihttp://doi.org/10.1109/SIU53274.2021.9478044-
dc.identifier.urihttps://hdl.handle.net/11147/11256-
dc.description29th IEEE Conference on Signal Processing and Communications Applications, SIU 2021 -- 9 June 2021 through 11 June 2021en_US
dc.description.abstractNatural language inference aims to classify the binary relation between opinionated sentences as a contradiction, entailment, or neutral. To accomplish the task, classifiers transform textual data into numerical representations called vectors or embeddings. In this study, both static (Glove, OntoNotes5) and contextual (BERT) word embedding methods are used. Classifying the logical relationships between opinionated sentences is difficult. These sentences have complex grammatical structures to convert them into logical representations, and traditional natural language processing solutions are insufficient to meet the requirement. This study uses Decomposable Attention and Advanced LSTM for Natural Language Inference (ESIM) deep learning methods to perform this classification. The best accuracy score is achieved with 88% using ESIM - BERT on the SNLI corpus. © 2021 IEEE.en_US
dc.description.abstractDoğal dil çıkarımı, düşünce ifade eden cümlelerin arasındaki ilişkiyi; karşıtlık, gerekseme veya tarafsızlık olarak sınıflandırmayı hedefler. Sınıflandırma görevini gerçekleştirmek için metinsel kaynaklar, vektör ya da gömme olarak adlandırılan matematiksel gösterimlere dönüştürülür. Bu çalışmada, hem statik (Glove, OntoNotes5) hem de bağlamsal (BERT) kelime gömme yöntemleri kullanılmıştır. Fikirsel cümleler arasındaki mantıksal ilişkilerin sınıflandırılması zordur zira cümleler karmaşık gramer yapılarına sahiptir ve cümlelerin işlenerek mantıksal gösterimlere dönüştürülmesi geleneksel doğal dil işleme çözümleri ile yetersiz kalmaktadır. Bu çalışma, sınıflandırma görevini gerçekleştirmek için ayrıştırılabilir ilgi ve doğal dil çıkarımı için gelişmiş LSTM (ESIM) derin öğrenme modellerini kullanmıştır. En iyi sonuç olan %88 doğruluk değeri SNLI veri kümesi üzerinde ESIM-BERT ile elde edilmiştir.-
dc.language.isotren_US
dc.publisherInstitute of Electrical and Electronics Engineers Inc.en_US
dc.relation.ispartofSIU 2021 - 29th IEEE Conference on Signal Processing and Communications Applications, Proceedingsen_US
dc.rightsinfo:eu-repo/semantics/openAccessen_US
dc.subjectBERTen_US
dc.subjectDecomposable Attentionen_US
dc.subjectESIMen_US
dc.subjectNatural Language Inferenceen_US
dc.subjectSNLIen_US
dc.titleDoğal dil çıkarımı modellerinde BERT vektörlerinin başarım değerlendirmesien_US
dc.title.alternativePerformance evaluation of BERT vectors on natural language inference modelsen_US
dc.typeConference Objecten_US
dc.departmentİzmir Institute of Technology. Computer Engineeringen_US
dc.identifier.wosWOS:000808100700285en_US
dc.identifier.scopus2-s2.0-85111422010en_US
dc.relation.publicationcategoryKonferans Öğesi - Uluslararası - Kurum Öğretim Elemanıen_US
dc.identifier.doi10.1109/SIU53274.2021.9478044-
dc.authorscopusid57195222455-
dc.authorscopusid16234844500-
item.grantfulltextopen-
item.openairecristypehttp://purl.org/coar/resource_type/c_18cf-
item.cerifentitytypePublications-
item.openairetypeConference Object-
item.languageiso639-1tr-
item.fulltextWith Fulltext-
crisitem.author.dept01. Izmir Institute of Technology-
crisitem.author.dept03.04. Department of Computer Engineering-
Appears in Collections:Computer Engineering / Bilgisayar Mühendisliği
Scopus İndeksli Yayınlar Koleksiyonu / Scopus Indexed Publications Collection
WoS İndeksli Yayınlar Koleksiyonu / WoS Indexed Publications Collection
Files in This Item:
File SizeFormat 
Performance_Evaluation.pdf571 kBAdobe PDFView/Open
Show simple item record



CORE Recommender

Page view(s)

292
checked on Apr 15, 2024

Download(s)

266
checked on Apr 15, 2024

Google ScholarTM

Check




Altmetric


Items in GCRIS Repository are protected by copyright, with all rights reserved, unless otherwise indicated.