" />
Derleme
BibTex RIS Kaynak Göster

Artificial Intelligence's Pupil Natural Language Processing

Yıl 2021, Cilt: 8 Sayı: 3, 116 - 129, 30.10.2021

Öz

Artificial intelligence (AI) has become the most prominent investment area in innovations and initiatives that affect every aspect of our lives. With personal and institutional research and development studies, countries support studies and initiatives in this field. They are devoting significant resources to this field. As a result of this, they undoubtedly receive the return of their investment in this field individually, institutionally and nationally. Co-working areas that concern many fields use AI-based infrastructure and software. One of these fields of study is Natural Language Processing. Natural language processing makes use of AI-based applications especially in classification, clustering, information filtering and translation studies. This technology is especially used in machine learning, expert systems, natural language processing, speech systems, improvement process, vision systems and robotic systems. Although natural language processing is an application-oriented field, a descriptive study has been carried out within the general framework of this field. In this study, the main areas in which natural language processing is related to artificial intelligence will be discussed with a descriptive approach.

Kaynakça

  • Kaynakça Adalı, E. "Doğal Dil İşleme”. Türkiye Bilişim Vakfı Bilgisayar Bilimleri ve Mühendisliği Dergisi 5 (2016 ): <https://dergipark.org.tr/tr/pub/tbbmd/issue/22245/238797>
  • Adalı, E. (2020) Türkçe Doğal Dil İşleme, Akçağ Türkçe Doğal Dil İşleme, Akçağ Yayınları, Ankara.
  • Albayrak, A. (2020) Doğal Dil İşleme Teknikleri Kullanılarak Disiplinler Arası Lisansüstü Ders İçeriği Hazırlanması. Bilişim Teknolojileri Dergisi, Cilt: 13, Sayı: 4. s. 373-383
  • Bahdanau, D. Cho, K. Bengio Y. (2014) Neural machine translation by jointly learning to align and translate, Proceedings of ICLR. Ayrıca bkz.: https://arxiv.org/pdf/1409.0473v1.pdf
  • Barredo Arrieta, A., Díaz-Rodríguez, N., Del Ser, J., Bennetot, A., Tabik, S., Barbado, A., Garcia, S., Gil-Lopez, S., Molina, D., Benjamins, R., Chatila, R., & Herrera, F. (2020). Explainable Explainable Artificial Intelligence (XAI): Concepts, taxonomies, opportunities and challenges toward responsible AI. Information Fusion, 58, 82–115. https://doi.org/10.1016/j.inffus.2019.12.012
  • Brownlee, J. (2020) 10 Clustering Algorithms With Python. https://machinelearningmastery.com/clustering-algorithms-with-python/
  • Cho, K., Van Merri Enboer, B., Bahdanau, D., and Bengio, Y. (2014). On the properties of neural machine translation: Encoder–Decoder approaches. In Eighth Workshop on Syntax, Semantics and Structure in Statistical Translation. to appear. Ayıca bkz.: https://arxiv.org/pdf/1409.1259.pdf
  • Deliloğlu, R. A. S. & Pehlivanlı, A.Ç. (2021). Hibrit Açıklanabilir Yapay Zekâ Tasarımı ve LIME Uygulaması. Avrupa Bilim ve Teknoloji Dergisi, (27), 228-236.
  • Deutschman, Z. (2019) Multi-Label Text Classification Assign labels to movies based on descriptions. https://towardsdatascience.com/multi-label-text-classification- 5c505fdedca8
  • Doğrucan, M.F. ve Hazar, Z. (2019). "Yapay Zekâ Çalışmalarında Dilsel Arka Plan ve Felsefe" Pamukkale Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, sayı 34, Denizli, s.159-167.
  • Eryiğit, G., Nivre, J., Oflazer, K.: Dependency parsing of Turkish. Computational Linguistics 34(3), 357–389 (2008)
  • Eryiğit, G. (2020) Doğal Dil İşleme. Web seminer. https://www.youtube.com/watch?v=Ei3SeseAq0g
  • Grishman R. (1997) Information extraction: Techniques and challenges. In: Pazienza M.T. (eds) Information Extraction A Multidisciplinary Approach to an Emerging Information Technology. SCIE 1997. Lecture Notes in Computer Science (Lecture Notes in Artificial Intelligence), vol 1299. Springer, Berlin, Heidelberg. https://doi.org/10.1007/3-540-63438-X_2
  • Kanj, S. (2013) Learning methods for multi-label classification. Machine Learning [stat.ML]. Université de technologie de Compiègne; Université Libanaise, Liban. https://hal.archives-ouvertes.fr/tel-01435796/document
  • Romero, M., Aloui, H., Heiser, L., Galindo, L., Lepage, A. (2021) Un bref parcours sur les ressources, pratiques et acteurs en IA et éducation. GTnum Scol_ia.. 10.13140/RG.2.2.18725.42728. Ayrıca bkz. https://www.researchgate.net/profile/Margarida- Romero/publication/350638066_Un_bref_parcours_sur_les_ressources_pratiques_et_ acteurs_en_IA_et_education_GTnum_Scol_ia/links/606b3ab892851c91b1a6b11e/Un- bref-parcours-sur-les-ressources-pratiques-et-acteurs-en-IA-et-education-GTnum- Scol-ia.pdf
  • Schneider P, Walters WP, Plowright AT, Sieroka N, Listgarten J, Goodnow RA Jr, Fisher J, Jansen JM, Duca JS, Rush TS, Zentgraf M, Hill JE, Krutoholow E, Kohler M, Blaney J, Funatsu K, Luebkemann C, Schneider G. (2020) Rethinking drug design in the artificial intelligence era. Nat Rev Drug Discov. 2020 May;19(5):353-364. doi: 10.1038/s41573-019-0050-3. Epub 2019 Dec 4. PMID: 31801986. Sutskever, I., Vinyals, O., and Le, Q. (2014) Anonymized. In Anonymized. under review. Ayıca bkz.: https://arxiv.org/pdf/1409.3215.pdf
  • Uzun, Y., Akkuzu, B. & Kayrıcı, M (2021). Yapay Zeka’nın Kültür ve Sanatla Olan İlişkisi. Avrupa Bilim ve Teknoloji Dergisi, (28), 753-757.
  • Uzundurukan, S. ve Saplıoğlu, K. (2019) Bilimsel çalışmalarda kullanılan yapay zekâ uygulamalarının ve trendlerinin incelenmesi, DÜMF Mühendislik Dergisi 10:1 (2019) : 249-262
  • Vaidya, N. (2020) 5 Natural Language Processing Techniques for Extracting Information. https://blog.aureusanalytics.com/blog/5-natural-language-processing-techniques-for- extracting-information
  • Xu, L., Hua, X. (2021) Why natural language processing is AI’s jewel in the crown, https://www.huawei.com/us/technology-insights/publications/winwin/33/why-natural- language-processing-is-ais-jewel-in-the-crown
  • Url 1: https://www.javatpoint.com/k-means-clustering-algorithm-in-machine-learning
  • Url 2: https://kobitek.com/dunya_insan_cagina_giriyor
  • Url 3: https://www.artiwise.com/2020/06/14/makine-ogrenmesi-ve-derin-ogrenme-ile-coklu-etiket-metin-siniflandirma/

Yapay Zekâ’nın Gözbebeği Doğal Dil İşleme

Yıl 2021, Cilt: 8 Sayı: 3, 116 - 129, 30.10.2021

Öz

Yapay zekâ (YZ) hayatımızın her alanını etkileyen yenilik ve girişimlerde en göze çarpan yatırım alanı haline gelmiştir. Kişisel ve kurumsal araştırma-geliştirme çalışmaları ile ülkeler bu alandaki çalışmaları ve girişimleri desteklemektedirler. Bu alana önemli kaynak aktarmaktadırlar. Bunun Sonucunda hiç şüphesiz bu alana yatırımın karşılığını bireysel, kurumsal ve ulusal olarak almaktadırlar. Birçok alanı ilgilendiren ortak çalışma alanları YZ temelli altyapı ve yazılımları kullanmaktadır. Bu çalışma alanlarından bir tanesi de doğal dil işlemedir (Natural Language Processing). Doğal dil işleme özellikle sınıflandırma, kümeleme, bilgi süzme ve çeviri çalışmalarında YZ temelli uygulamalardan yararlanmaktadır. Bu teknoloji özellikle makine öğrenmesinde, uzman sistemlerde, doğal dil işlemede, konuşma sistemlerinde, iyileştirme sürecinde, görme sistemlerinde ve robotik sistemlerde kullanılır. Doğal dil işleme uygulamaya dönük bir alan olsa da bu alanın genel çerçevesinde kalarak betimsel bir çalışma yapılmıştır. Bu çalışmada doğal dil işlemenin yapay zekâyla ilişkili olduğu temel alanlar betimsel bir yaklaşımla ele alınacaktır.

Kaynakça

  • Kaynakça Adalı, E. "Doğal Dil İşleme”. Türkiye Bilişim Vakfı Bilgisayar Bilimleri ve Mühendisliği Dergisi 5 (2016 ): <https://dergipark.org.tr/tr/pub/tbbmd/issue/22245/238797>
  • Adalı, E. (2020) Türkçe Doğal Dil İşleme, Akçağ Türkçe Doğal Dil İşleme, Akçağ Yayınları, Ankara.
  • Albayrak, A. (2020) Doğal Dil İşleme Teknikleri Kullanılarak Disiplinler Arası Lisansüstü Ders İçeriği Hazırlanması. Bilişim Teknolojileri Dergisi, Cilt: 13, Sayı: 4. s. 373-383
  • Bahdanau, D. Cho, K. Bengio Y. (2014) Neural machine translation by jointly learning to align and translate, Proceedings of ICLR. Ayrıca bkz.: https://arxiv.org/pdf/1409.0473v1.pdf
  • Barredo Arrieta, A., Díaz-Rodríguez, N., Del Ser, J., Bennetot, A., Tabik, S., Barbado, A., Garcia, S., Gil-Lopez, S., Molina, D., Benjamins, R., Chatila, R., & Herrera, F. (2020). Explainable Explainable Artificial Intelligence (XAI): Concepts, taxonomies, opportunities and challenges toward responsible AI. Information Fusion, 58, 82–115. https://doi.org/10.1016/j.inffus.2019.12.012
  • Brownlee, J. (2020) 10 Clustering Algorithms With Python. https://machinelearningmastery.com/clustering-algorithms-with-python/
  • Cho, K., Van Merri Enboer, B., Bahdanau, D., and Bengio, Y. (2014). On the properties of neural machine translation: Encoder–Decoder approaches. In Eighth Workshop on Syntax, Semantics and Structure in Statistical Translation. to appear. Ayıca bkz.: https://arxiv.org/pdf/1409.1259.pdf
  • Deliloğlu, R. A. S. & Pehlivanlı, A.Ç. (2021). Hibrit Açıklanabilir Yapay Zekâ Tasarımı ve LIME Uygulaması. Avrupa Bilim ve Teknoloji Dergisi, (27), 228-236.
  • Deutschman, Z. (2019) Multi-Label Text Classification Assign labels to movies based on descriptions. https://towardsdatascience.com/multi-label-text-classification- 5c505fdedca8
  • Doğrucan, M.F. ve Hazar, Z. (2019). "Yapay Zekâ Çalışmalarında Dilsel Arka Plan ve Felsefe" Pamukkale Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, sayı 34, Denizli, s.159-167.
  • Eryiğit, G., Nivre, J., Oflazer, K.: Dependency parsing of Turkish. Computational Linguistics 34(3), 357–389 (2008)
  • Eryiğit, G. (2020) Doğal Dil İşleme. Web seminer. https://www.youtube.com/watch?v=Ei3SeseAq0g
  • Grishman R. (1997) Information extraction: Techniques and challenges. In: Pazienza M.T. (eds) Information Extraction A Multidisciplinary Approach to an Emerging Information Technology. SCIE 1997. Lecture Notes in Computer Science (Lecture Notes in Artificial Intelligence), vol 1299. Springer, Berlin, Heidelberg. https://doi.org/10.1007/3-540-63438-X_2
  • Kanj, S. (2013) Learning methods for multi-label classification. Machine Learning [stat.ML]. Université de technologie de Compiègne; Université Libanaise, Liban. https://hal.archives-ouvertes.fr/tel-01435796/document
  • Romero, M., Aloui, H., Heiser, L., Galindo, L., Lepage, A. (2021) Un bref parcours sur les ressources, pratiques et acteurs en IA et éducation. GTnum Scol_ia.. 10.13140/RG.2.2.18725.42728. Ayrıca bkz. https://www.researchgate.net/profile/Margarida- Romero/publication/350638066_Un_bref_parcours_sur_les_ressources_pratiques_et_ acteurs_en_IA_et_education_GTnum_Scol_ia/links/606b3ab892851c91b1a6b11e/Un- bref-parcours-sur-les-ressources-pratiques-et-acteurs-en-IA-et-education-GTnum- Scol-ia.pdf
  • Schneider P, Walters WP, Plowright AT, Sieroka N, Listgarten J, Goodnow RA Jr, Fisher J, Jansen JM, Duca JS, Rush TS, Zentgraf M, Hill JE, Krutoholow E, Kohler M, Blaney J, Funatsu K, Luebkemann C, Schneider G. (2020) Rethinking drug design in the artificial intelligence era. Nat Rev Drug Discov. 2020 May;19(5):353-364. doi: 10.1038/s41573-019-0050-3. Epub 2019 Dec 4. PMID: 31801986. Sutskever, I., Vinyals, O., and Le, Q. (2014) Anonymized. In Anonymized. under review. Ayıca bkz.: https://arxiv.org/pdf/1409.3215.pdf
  • Uzun, Y., Akkuzu, B. & Kayrıcı, M (2021). Yapay Zeka’nın Kültür ve Sanatla Olan İlişkisi. Avrupa Bilim ve Teknoloji Dergisi, (28), 753-757.
  • Uzundurukan, S. ve Saplıoğlu, K. (2019) Bilimsel çalışmalarda kullanılan yapay zekâ uygulamalarının ve trendlerinin incelenmesi, DÜMF Mühendislik Dergisi 10:1 (2019) : 249-262
  • Vaidya, N. (2020) 5 Natural Language Processing Techniques for Extracting Information. https://blog.aureusanalytics.com/blog/5-natural-language-processing-techniques-for- extracting-information
  • Xu, L., Hua, X. (2021) Why natural language processing is AI’s jewel in the crown, https://www.huawei.com/us/technology-insights/publications/winwin/33/why-natural- language-processing-is-ais-jewel-in-the-crown
  • Url 1: https://www.javatpoint.com/k-means-clustering-algorithm-in-machine-learning
  • Url 2: https://kobitek.com/dunya_insan_cagina_giriyor
  • Url 3: https://www.artiwise.com/2020/06/14/makine-ogrenmesi-ve-derin-ogrenme-ile-coklu-etiket-metin-siniflandirma/
Toplam 23 adet kaynakça vardır.

Ayrıntılar

Birincil Dil İngilizce
Konular Dilbilim
Bölüm Makaleler
Yazarlar

Osman Coşkun 0000-0002-6803-3189

Ertan Kuşçu 0000-0003-1503-1697

Yayımlanma Tarihi 30 Ekim 2021
Yayımlandığı Sayı Yıl 2021 Cilt: 8 Sayı: 3

Kaynak Göster

APA Coşkun, O., & Kuşçu, E. (2021). Artificial Intelligence’s Pupil Natural Language Processing. Turkophone, 8(3), 116-129.

TURKOPHONE | 2014 | ISSN: 2148-6808

Creative Commons License
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.