Tez detayları

Improving search result clustering by integrating semantic information from Wikipedia = Wikipedia'daki anlamsal bilgiyi kullanarak arama sonucu kümelemenin geliştirilmesi

Yazarlar:

Çalli, Çağatay

Yayıncı:

Orta Doğu Teknik Üniversitesi

Ana Başlıklar:

Veri işleme & bilgisayar bilimi

Belge Tipi:

Tezler

Program Tipi:

Yüksek Lisans

Yayın Tarihi:

12/2009

Belge Dili:

İngilizce

Document ID (Org No.):

2000308681

Özet

Suffix Tree Clustering (STC) is a search result clustering (SRC) algorithm focused on generating overlapping clusters with meaningful labels in linear time. It showed the feasibility of SRC but in time, subsequent studies introduced description-first algorithms that generate better labels and achieve higher precision. Still, STC remained as the fastest SRC algorithm and there appeared studies concerned with different problems of STC. In this thesis, semantic relations between cluster labels and documents are exploited to filter out noisy labels and improve merging phase of STC. Wikipedia is used to identify these relations and methods for integrating semantic information to STC are suggested. Semantic features are shown to be effective for SRC task when used together with term frequency vectors. Furthermore, there were no SRC studies on Turkish up to now. In this thesis, a dataset for Turkish is introduced and a number of methods are tested on Turkish.

Sonek Ağacı Kümeleme (SAK), anlamlı isimlere sahip, örtüşebilen kümeleri lineer zamanda üretmeye odaklanan bir arama sonucu kümeleme (ASK) algoritmasıdır. SAK, ASK'nin uygulanabilirliğini göstermiştir. Ancak sonraki çalışmalar daha anlamlı küme isimleri üreten, daha hassas algoritmalar ortaya koymuştur. Buna rağmen, SAK en hızlı sonuç kümeleme algoritması olarak kalmış ve SAK'ın problemleriyle ilgili çalışmalar yapılmıştır. SAK'ı geliştiren başka çalışmaların aksine, bu tezde hatalı küme isimlerini filtrelemek ve birleştirme fazını geliştirmek amacıyla küme isimleri ve dökümanlar arasındaki anlamsal bağlantılardan faydalanılmıştır. Bu bağlantıları belirlemek için Wikipedia kullanılmış ve anlamsal bilgiyi SAK'a entegre etmek için yöntemler önerilmiştir. Terim frekans vektörleriyle beraber kullanıldığında anlamsal özelliklerin ASK'de etkili olduğu gösterilmiştir. Ayrıca, şimdiye kadar Türkçe için bir ASK çalışması yapılmamıştır. Bu tezde, Türkçe için bir veri seti oluşturulmuş ve yöntemlerin bazıları test edilmiştir.

Tez detayları

Improving search result clustering by integrating semantic information from Wikipedia = Wikipedia&apos;daki anlamsal bilgiyi kullanarak arama sonucu kümelemenin geliştirilmesi

Yazarlar: Çalli, Çağatay

Yayıncı: Orta Doğu Teknik Üniversitesi

Ana Başlıklar: Veri işleme & bilgisayar bilimi

Belge Tipi: Tezler

Program Tipi: Yüksek Lisans

Yayın Tarihi: 12/2009

Belge Dili: İngilizce

Document ID (Org No.): 2000308681