Yazar "Hark, Cengiz" seçeneğine göre listele

Listeleniyor 1 - 3 / 3
  • Küçük Resim
    Öğe
    CatSumm: Spektral Çizge Bölmeleme ve Düğüm Merkeziliklerine Dayalı Çıkarıcı Metin Özetleme
    (Malatya Turgut Özal Üniversitesi, 2021) Uçkan, Taner; Hark, Cengiz; Karcı, Ali
    In this paper, we introduce CatSumm (Cengiz, Ali, Taner Summarization), a novel method for multi-document document summarisation. The suggested method forms a summarization according to three main steps: Representation of input texts, the main stages of the CatSumm model, and sentence scoring. A Text Processing software, is introduced and used to protect the semantic loyalty between word groups at stage of representation of input texts. Spectral Sentence Clustering (SSC), one of the main stages of the CatSumm model, is the summarization process obtained from the proportional values of the sub graphs obtained after spectral graph segmentation. Obtaining super edges is another of the main stages of the method, with the assumption that sentences with weak values below a threshold value calculated by the standard deviation (SD) cannot be included in the summary. Using the different node centrality methods of the CatSumm approach, it forms the sentence rating phase of the recommended summarising approach, determining the significant nodes and hence significant nodes. Finally, the result of the CatSumm method for the purpose of text summarisation within the in the research was measured ROUGE metrics on the Document Understanding Conference (DUC-2004, DUC-2002) datasets. The presented model produced 44.073%, 53.657%, and 56.513% summary success scores for abstracts of 100, 200 and 400 words, respectively
  • Küçük Resim Yok
    Öğe
    EVSEL ATIKLARIN DERİN ÖĞRENME TEKNİKLERİ İLE AYRIŞTIRILMASI
    (Ali KARCI, 2022) Karaca, Yunus Emre; Aslan, Serpil; Hark, Cengiz
    Derin öğrenme teknolojisinin hızlı gelişimi sayesinde günlük yaşantımızın hemen hemen her noktasında kullanılan akıllı sistemler geliştirilmektedir. Geliştirilen uygulamalar hayatımızı kolaylaştırdığı gibi doğaya da olumlu katkılar sağlamıştır. Geleneksel atık ayrıştırma yöntemleri, verimlilik ve doğruluk açısından yetersiz kalmaktadır. Ayrıca yüksek maliyetli olmasının yanında çevresel riskler bakımdan da sıkıntılar doğurabilir. Son yıllarda, yapay zekâ, makine öğrenmesi ve beraberinde getirdiği derin öğrenme teknikleri organik, evsel ve ambalaj atıkların ayrıştırılması gibi karmaşık problemlerin çözümünde popüler bir yöntem olmuştur. Bu çalışmada, hem insan ve canlı yaşamı hem de doğanın korunması açısından büyük öneme sahip olan evsel atıkların ayrıştırılması problemi ele alınmıştır. Yapay zekâ kümesinde yer alan makine öğrenmesinin bir alt kolu olan derin öğrenme ile evsel atıkların tespit edilip ayrıştırılması için popüler konvansiyonel sinir ağı (CNN) tabanlı ResNet-50, DenseNet-121, Inception-V3, VGG16 mimarileri kullanılarak sınıflandırma performansları karşılaştırılmıştır.
  • Küçük Resim Yok
    Öğe
    SSC: Clustering of Turkish Texts By Spectral Graph Partitioning
    (Gazi Univ, 2021) Uckan, Taner; Hark, Cengiz; Karci, Ali
    There is growing interest in studies on text classification as a result of the exponential increase in the amount of data available. Many studies have been conducted in the field of text clustering, using different approaches. This study introduces Spectral Sentence Clustering (SSC) for text clustering problems, which is an unsupervised method based on graph-partitioning. The study explains how the proposed model proposed can be used in natural language applications to successfully cluster texts. A spectral graph theory method is used to partition the graph into non-intersecting sub-graphs, and an unsupervised and efficient solution is offered for the text clustering problem by providing a physical representation of the texts. Finally, tests have been conducted demonstrating that SSC can be successfully used for text categorization. A clustering success rate of 97.08% was achieved in tests conducted using the TTC-3600 dataset, which contains open-access unstructured Turkish texts, classified into categories. The SSC model proposed performed better compared to a popular k-means clustering algorithm.