Effect of contextual embeddings on graph-based dependency parsing

Yaptıǧım çalışmada, verilen cümlelerin dil bilgisi analizini, cümledeki her bir kelimenin yapısını ve cümle içindeki görevini tespit edebilecek bir sistem geliştirdim. Baǧlılık ayrıştırma adı verilen bu iş için geliştirilen sistem, temelde çizge tabanlı algoritmaları ve derin öǧrenme tekniklerini kullanmaktadır. Geçiş ve çizge tabanlı yöntemler ile yapılan baǧlılık ayrıştırma işleminde, kelime vektörlerine, kelime baǧlamlarını eklemenin etkisini gözlemledim. Ayrıca, SMeta adını verdiǧim çözücü yapısını, çizge tabanlı baǧlılık ayrıştırma yöntemleri ile test ettim. Dil bilgisi analizi için oluşturulan çizge tabanlı model, kodlayıcı ve çözücü olmak üzere iki ana bileşenden oluşmaktadır. Kodlayıcı, metinde yer alan cümleleri modelin işleyebileceǧi şekilde temsil edecek vektörleri oluşturur. çözücü kısım ise, her bir cümleyi temsil eden vektörleri kullanarak, cümlenin yapı ve dil bilgisi analizini gerçekleştirir ve bunun sonucu olarak cümle içerisinde yer alan kelimeler arasındaki baǧlantıları temsil eden baǧlılık çizgesini oluşturur. Koç üniversitesi takımı olarak oluşturduǧumuz model ile 2018 Evrensel Baǧlılık Analizi yarışmasında yer aldık ve modelimizi 41 farklı dilde oluşturulmuş 61 veri seti üzerinde çalıştırma imkanı yakaladık. Modelin oluşturulma aşamasında derin öǧrenme tekniklerinden ve doǧal dil işleme tekniklerinden, özellikle çizge tabanlı baǧlılık ayrıştırma yönteminden yararlandık.