Nöral makine çevirisi son yıllarda yapay zekâ ve doğal dil işleme alanında büyük bir ilerleme kaydeden, bir dilden başka bir dile yüksek kaliteli çeviriler sunma potansiyeline sahip yapay sinir ağları tabanlı bir teknolojidir. Derin öğrenme modellerini kullanan bu sistem, doğru bir şekilde tasarlandığında geleneksel istatistiksel ve kural tabanlı çeviri sistemlerine oranla metinlerin daha doğru ve doğal bir şekilde çevrilmesini sağlamaktadır. Bu proje çalışmasında, Türkçeden İngilizceye makine çevirisi için derin öğrenme tabanlı bir yöntem olan ve diziden diziye dönüşüm yapmaya olanak sağlayan kodlayıcı-kod çözücü tabanlı mimari benimsenmiştir. Bu mimari içerisinde RNN, LSTM ve GRU olmak üzere üç farklı tekrarlayan yapay sinir ağı modeli uygulanarak her bir modelin makine çevirisindeki etkinliği farklı performans metrikleri kullanılarak değerlendirilerek güçlü ve zayıf yönleri tartışılmıştır. Çalışmanın yapay sinir ağları ile makine çevirisi alanında yürütülen araştırmalara katkısının olacağı düşülmektedir.
Eser Adı (dc.title) | Derin Öğrenme Teknikleri Kullanılarak Türkçe-İngilizce Nöral Makine Çevirisi |
Eser Sahibi (dc.contributor.author) | Altuğhan Özengi |
Tez Danışmanı (dc.contributor.advisor) | Ayşegül ALAYBEYOĞLU SOY |
Yayıncı (dc.publisher) | İzmir Katip Çelebi Üniversitesi Fen Bilimleri Enstitüsü |
Tür (dc.type) | Diğer |
Özet (dc.description.abstract) | Nöral makine çevirisi son yıllarda yapay zekâ ve doğal dil işleme alanında büyük bir ilerleme kaydeden, bir dilden başka bir dile yüksek kaliteli çeviriler sunma potansiyeline sahip yapay sinir ağları tabanlı bir teknolojidir. Derin öğrenme modellerini kullanan bu sistem, doğru bir şekilde tasarlandığında geleneksel istatistiksel ve kural tabanlı çeviri sistemlerine oranla metinlerin daha doğru ve doğal bir şekilde çevrilmesini sağlamaktadır. Bu proje çalışmasında, Türkçeden İngilizceye makine çevirisi için derin öğrenme tabanlı bir yöntem olan ve diziden diziye dönüşüm yapmaya olanak sağlayan kodlayıcı-kod çözücü tabanlı mimari benimsenmiştir. Bu mimari içerisinde RNN, LSTM ve GRU olmak üzere üç farklı tekrarlayan yapay sinir ağı modeli uygulanarak her bir modelin makine çevirisindeki etkinliği farklı performans metrikleri kullanılarak değerlendirilerek güçlü ve zayıf yönleri tartışılmıştır. Çalışmanın yapay sinir ağları ile makine çevirisi alanında yürütülen araştırmalara katkısının olacağı düşülmektedir. |
Kayıt Giriş Tarihi (dc.date.accessioned) | 2024-03-08 |
Açık Erişim Tarihi (dc.date.available) | 2024-03-08 |
Yayın Tarihi (dc.date.issued) | 2024 |
Tek Biçim Adres (dc.identifier.uri) | https://hdl.handle.net/11469/3917 |
Yayın Dili (dc.language.iso) | tr |
Konu Başlıkları (dc.subject) | Nöral makine çevirisi |
Konu Başlıkları (dc.subject) | Derin öğrenme |
Haklar (dc.rights) | Open access |