ARAMA MOTORLARI İÇİN DERİN ÖĞRENME TABANLI SORGU ÖNERİSİ ÇERÇEVESİ


Tezin Türü: Yüksek Lisans

Tezin Yürütüldüğü Kurum: İstanbul Üniversitesi-Cerrahpaşa, Mühendislik Fakültesi, Bilgisayar Mühendisliği Bölümü, Türkiye

Tezin Onay Tarihi: 2024

Tezin Dili: Türkçe

Öğrenci: FATİH ÇELİK

Danışman: Sibel Senan

Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu

Özet:

Çevrimiçi dünyada yer alan bilgi sayısında meydana gelen büyüme ve kullanıcı sayısının artışıyla birlikte bilgiye erişim için arama motorlarının kullanımı giderek yaygınlaşmaya başlamıştır. Bu artış daha fazla kullanıcıyı arama motorlarını kullanmaya teşvik etmiştir. Bu durumla birlikte kullanıcıların sorgu karmaşıklıkları artmaya başlamıştır. Aynı zamanda arama motorlarını kullanıcıların deneyimini iyileştirmek için sorgu önerilerinde bulunmaya ve bu önerileri iyileştirmeye teşvik etmiştir. Günümüze dek sorgu önerisi görevine özgü olarak pek çok farklı yöntem oluşturularak kullanılmıştır. Fakat kullanılan çoğu yöntem, kullanıcıların isteklerini ve aramanın bağlamını tam olarak anlamaktan uzaktır. Hedef sorguların belirlenmesi sorgu önerilerinin doğası gereği oldukça zor bir konudur. Kullanıcı aramalarının altındaki gerçek anlamların yakalanması kullanıcılara doğru ve etkili sorgu önerileri sunmak için oldukça önemlidir. Dönüştürücü mimarileri, çok çeşitli doğal dil işleme görevi için oldukça iyi performans sergilemektedir ve dil ile ilgili problemlerdeki derin anlamları yakalamak için oldukça kullanışlıdır. Dönüştürücüler, sıralı veriler içindeki bağlamsal ilişkileri yakalamak için kişisel dikkat mekanizmasını kullanan derin sinir ağlarıdır. Bu tez çalışmasında, dönüştürücü tabanlı derin öğrenme mimarilerinin gücünden yararlanılarak sorgu önerisi için kullanıcının aramalarının altında yatan anlamlar ve oturumların bağlamı tespit edilmeye çalışılmıştır. Çalışmada sunulan "dönüştürücü tabanlı sorgu önerisi (TQS)" modeli, çeşitli geçmiş sorgu önerisi modelleri ile karşılaştırılmış ve sonuçlar sunulmuştur. Ayrıca elde edilen performans sonuçları, önerilen modelin eğitim aşamasının oldukça hızlı olduğunu göstermektedir.