Türkçe, morfem adı verilen birimlerin art arda eklenmesiyle sözcüklerin
oluşturulduğu sondan eklemeli bir dildir. Sözcüklerin farklı parçaların
birleştirilmesiyle oluşturulması makine tercümesi, duygu analizi ve bilgi
çıkarımı gibi birçok doğal dil işleme uygulamasında seyreklik problemine yol
açmaktadır çünkü sözcüğün her farklı formu farklı bir sözcük gibi
algılanmaktadır. Bu makalede, sözcüklerin yapım ve çekim eklerinden
arındırılarak köklerinin otomatik olarak bulunabilmesi için bir yöntem öneriyoruz.
Kullandığımız yöntem tekrarlayan sinir ağları kullanarak oluşturulan
kodlayıcı-kod çözücü yaklaşımına dayanmaktadır. Verilen herhangi bir sözcük,
oluşturduğumuz sinir ağı yapısı ile öncelikle kodlanmakta, ardından kodu
çözülerek köküne ulaşılabilmektedir. Bu yöntem şimdiye kadar etiketleme veya
makine tercümesi gibi problemlerde kullanılmıştır. Diğer Türkçe kök bulma modelleriyle
karşılaştırıldığında sonuçların oldukça iyi olduğu gözlenmiştir. Diğer
modellerde olduğu gibi, herhangi bir kural kümesi elle tanımlanmadan, sadece sözcük
ve kök ikililerinden oluşan bir eğitim veri kümesi kullanılarak kök bulma
işlemi önerdiğimiz bu model ile gerçekleştirilebilmektedir.
doğal dil işleme hesaplamalı dilbilimi gözetimsiz öğrenme morfoloji morfolojik bölümleme derin öğrenme tekrarlayan sinir ağları
Turkish is an agglutinative language that builds
words by concatenating the units called morphemes. Building words by
concatenating various units together leads to sparsity problem in many natural
language processing tasks such as machine translation, sentiment analysis, and
information extraction because each different form of the same word is
considered as a different word token. In this paper, we propose a method that can find the stems of
words automatically by filtering out any derivational or inflectional suffixes
attached to words. The proposed method is based on an encoder-decoder model
built by recurrent neural networks. Any given word is first encoded by the
neural network and then its stem is extracted by decoding it. This method has
been used in problems such as tagging or machine translation so far. We obtain compatitive
results compared to other Turkish stemmers. Moreover, unlike the other models, stemming
could be performed without defining a rule set manually, and by just using a
train set that involves word and stem pairs.
natural language processing computational linguistics unsupervised learning morphology morphological segmentation deep learning recurrent neural networks
Primary Language | Turkish |
---|---|
Subjects | Computer Software |
Journal Section | Articles |
Authors | |
Publication Date | July 31, 2019 |
Submission Date | November 20, 2018 |
Published in Issue | Year 2019 |