Türkçe propbank için anlamsal rol etiketlemesi

Text in English ; Abstract: English and TurkishIncludes bibliographical references (leaves 43-44)x, 44 leavesPeople's communication with each other takes place through sentences that combine words with different purposes. Words can gain different meanings with the presence of other words in the sentences in which they take place. With the rapid development of technology, the studies on understanding of human language by computational power have gained speed. These studies are generally referred to Natural Language Processing and their main purpose is to understand the sentences in human communication. The words in the sentence ful l different purposes. Some words describe an event, while other words indicate details of that event. De ning the semantic roles of words is possible with different algorithms. This study rst started by contributing to the process of determining the semantic roles of the word groups in the sentence by manpower. In addition, the semantic roles in the English sentences were parsed and shared on a web site with the marked roles in the Turkish sentences for comparison purposes. Finally, it is tried to measure how the algorithms aiming to nd the semantic roles of the words in the sentence perform automatically for Turkish.İnsanların birbirleriyle olan iletişimleri farklı amaçlardaki kelimelerin birleştiği cümleler aracılığı ile gerçekleşmektedir. Kelimeler, yer aldıkları cümlelerde diğer kelimelerin de varlığı ile farklı anlamlar kazanabilmektedirler. Teknolojinin hızla gelişmesiyle birlikte, hesaplamalı güçler tarafından insan dilini anlama çalışmaları hız kazanmıştır. Bu çalışmalar genel olarak Doğal Dil İşleme olarak anılmaktadır ve asıl amaçları insan iletişiminde yer alan cümlelerin anlaşılabilmesidir. Cümle içerisinde yer alan kelimeler farklı amaçları yerine getirmektedirler. Bazı kelimeler bir olayı anlatırken, diğer kelimeler bu olaya ait detaylar belirtmektedirler. Kelimelerin anlamsal rollerinin tanımlanması ise farklı algoritmalar ile mümkün olabilmektedir. Bu çalışma ilk olarak cümlede yer alan kelime gruplarına ait anlamsal rollerin insan gücü ile belirlenmesi işlemine katkı sağlanarak başlamıştır. Ayrıca doğal dil işleme ile ilgili olarak Türk dilinde yapılacak çalışmalarda karşılaştırma amaçlı olarak kullanılmak üzere İngilizce cümlelerde yer alan anlamsal roller ayrıştırılmış ve Türkçe cümlelerdeki işaretlenmiş roller ile birlikte bir web sitesi üzerinden açık şekilde paylaşılmıştır. Son olarak ise cümledeki kelimelerin anlamsal rollerini otomatik olarak bulmayı amaçlayan algoritmaların Türkçe için nasıl performans gösterdiği ölçülmeye çalışılmıştır.Penn Treebank ProjectTagset for Part-of-SpeechTagging Process for Part-of-SpeechSemantic Role LabelingCalibrating FeaturesThe PropBank and Semantic Role LabelingSemantic Role TaggingSystem ArchitecturePruning AlgorithmPropBank DataParse of English PropBank DataAssignment of Predicate and Arguments in Turkish PropBankSelection of Predicates in Turkish PropBank ToolkitSelection of Arguments in Turkish PropBank ToolkitPropBank WebsitePreparation of the PropBank WebsiteTechnologies Used in the StudyFeaturesWord-Based FeaturesPredicatePhrase TypeVoiceNamed Entities in ConstituentsTree-Based FeaturesPathPositionSub-categorizationClassifiersRocchioNaive BayeskNNLinear PerceptronMulti Layer PerceptronExperimentsSetupPrediction of the PredicatesPrediction of the Argument