Diagnosis of diseases through genes by using machine learning

İnternet, gündelik gönderilerden derinlemesine konuşmalara kadar, çok çeşitli bakış açıları ve akılda kalan amaçlarla geniş ve sürekli genişleyen bir metin kaynağıdır. Polarite tanıma ve hedef çıkarma girişimleri zaman alıcıdır çünkü nesnenin nasıl yönlendirildiğini ve nereye gittiğini anlamak önemlidir. Ulusal savunma ve siyaset çalışması için çıkarımlar derindir. Bununla birlikte, mevcut tartışmanın dışında kalan bir konu hakkında bazı araştırmalar yapılmıştır. Bu nedenle, bu araştırmanın birincil amacı, özellikle şu anda herhangi bir veri seti olmayan Arapça siyasi makalelerle ilgili olarak en uygun çözümü belirlemektir. Metinlerden duygu çıkarmaya yönelik geleneksel yaklaşımları yeniden değerlendirme ihtiyacı, hem metin kaynaklarının hem de konuların artan karmaşıklığına yanıt olarak ortaya çıkmıştır. Bu tezin kapsayıcı hedefi, fikir madenciliğine dayalı bir destek sistemi kullanarak hükümetin daha iyi seçimler yapmasına yardımcı olmaktır. Araştırma özellikle siyasi Arapça makalelere ve yeni bir karar alma tekniği geliştirmek için kullanılan sınıflandırma yöntemine odaklanmaktadır. Bu tez ayrıca, sözlük tabanlı teknikler, makine öğrenimi ve hibrit bir yaklaşımın bir kombinasyonunu kullanarak yayınlanan siyasi makalelerdeki kutupları ve hedefleri tespit etmek için yeni bir çerçeve önerdi. Araştırmanın bir parçası olarak dört farklı derlem oluşturulmuştur (V1, V2, V3 ve V4). Mandalay arşivi, çeşitli çevrimiçi kaynaklardan derlenen bu derlemleri barındırır. Makalelerin kutupsallığını belirlemek için bu araştırma, makine öğrenimi ve hibrit bir yaklaşım kullandı. Destek Vektör Makinesi (SVM), Naif Bayes (NB), KNearest Neighbor (KNN) ve Karar Ağacı (DT), iki öznitelik çıkarımı, Sözcük Paketi (BOW) ve n-gramlar gibi birinci gruba dahildir. İkinci strateji, sözlük tabanlı bir vektörü Kaba Küme Teorisine (RST) dayalı bir sınıflandırma ile birleştirdi. Bu araştırmada, insan temelli tohum kelime, bir cümle hedef çıkarma tekniği olan daha düşük yaklaşımla birlikte kullanılmıştır. Araştırma, alt tahmin yöntemini cümle sıklığı ile birleştirerek hedef cümle çıkarımını geliştirdi. İstenen doğruluğun garanti edilmesi ve cümle çıkarımının doğrulanması, hem insan hem de insan olmayan değerlendirmelerle test edildi. KNN tekniğinin, test edilen diğer makine öğrenimi tekniklerinden üstün olduğu bulundu. Tohum-vektör ve topluluk-vektör hibrit yöntemleriyle yaklaşım doğruluğu, daha düşük tahmin yöntemlerine göre daha yüksekti. Hibrit yaklaşımların makine öğrenimi tekniklerinden daha etkili olduğu bulundu. Düşük yaklaşımın performansı, düşük tahmin artı cümle sıklığından daha kötüydü. Bulgulara göre, makalelerin polaritesini belirlemeye yönelik en iyi yaklaşım, bir topluluk vektörüne dayalı doğru bir tahmin tekniğidir. Ayrıca, makalelerin konularını çıkarmak için daha düşük bir cümle sıklığı yaklaşımı kullanılması önerilmektedir.