Generalized SemSpace ve BLSTM kullanarak bağlamsallaştırılmış niyet tespiti

Bu tezde doğal dil işleme alanındaki niyet tespiti problemini çözmek için Contextualized Deep SemSpace adı verilen yeni bir yöntem geliştirilmiştir. Önerilen yöntemde ilk olarak generalized SemSpace yaklaşımıyla WordNet verilerinden anlama dayalı vektörler üretilmiş, kullanılan her veri setinin bağlamını temsil eden sözcükler bu vektör uzayında kümelenmiş ve sonrasında anlamı belirsiz olan kelimelerin bağlam kümesine en yakın anlam adayı seçilerek belirsizlik giderme işlemi yapılmıştır. Son olarak da ürettiğimiz anlama dayalı bağlamsallaştırılmış generalized SemSpace vektörleri BLSTM modeliyle eğitilmiştir. Elde edilen modelin başarısını ölçmek için iyi bilinen altı niyet tespit kıyaslama veri seti (ATIS, Snips, Facebook, AskUbuntu, WebApp ve Chatbot) üzerinde testler yapılmıştır. Karşılaştırma sonuçlarına göre önerilen yöntem hem anlama dayalı vektörler kullandığından hem de bağlama dayalı bir kelime belirsizliği giderme yöntemi içerdiğinden literatürde mevcut olan BERT, ELMo ve GPT gibi büyük dil modellerine benzer şekilde bağlama dayalı kelime vektörleri üretmektedir. Aynı zamanda bu yaklaşımın doğal dil işleme alanındaki birçok problemde başarıyla kullanılabileceği de öngörülmektedir.