Derin öğrenme yaklaşımlarını kullanarak makale atıflarının semantik analizi

Abstract

Anlamsal yayıncılık; yayınlanan bir dergi makalesinin anlamını geliştirmek, otomatik keşfini kolaylaştırmak, anlamsal olarak ilgili makalelere bağlanmasını sağlamak, makale içindeki verilere işlem yapılabilir biçimde erişim sağlamak ve makaleler arasında verilerin bütünlüğünü kolaylaştırmak için anlamsal web teknolojilerinin kullanımı ile sağlanmaktadır. Anlamsal web teknolojileri ve bilgi gösterimi, bilginin yeniden yapılandırılmasını, yapılandırılmış ve makine tarafından okunabilir bir şekilde paylaşımını arttırır. Anlamsal web teknolojileri ve derin öğrenme, akıl yürütme, onaylama ve tahmin etme gibi insan zekasını bilgisayar aracılığıyla taklit eden akıllı yapay nesneler yaratma hedefini paylaşır. Yapılan bu tez çalışmanın amacı; Anlamsal web teknolojileri kullanılarak geliştirilen atıf ontolojisi ile birlikte derin öğrenme uygulamaları kullanılarak hem anlamsal web teknolojilerinin hem de derin öğrenme uygulamalarının avantajlarını sunan derin öğrenme tabanlı atıf ağında semantik arama yöntemi geliştirmektir.Çalışma kapsamında geliştirilen atıf ontoloji, dergi makalelerine yapılan atıflar hakkında bilgileri sağlamaktadır. Atıf ontoloji, Protégé ontoloji geliştirme editörü kullanılarak yaratılmıştır. Protégé ontoloji geliştirme editörünün grafik arayüzü sayesinde atıf ile ilgili konular görsel olarak tanımlanmakta ve böylelikle tanımlanmak istenilen alan modellenebilmektedir.Tez çalışmasından önerilen atıf ağının semantik analizinde derin öğrenme yöntemleri kullanılarak geliştirilen sistem sonucunda eşleştirme işlemlerinde kesin eşleşmelerden daha fazla benzer dergi makalesi bularak önerilen yöntemin dergi makalesi eşleştirme başarımını artırmaya yönelik etkileri tespit edilmiştir.

Semantic publishing; the use of web and semantic web technologies to improve the meaning of a published journal article, facilitate its automatic discovery, connect to semantically related articles, provide processable access to data within the article, and facilitate the integrity of data between articles. Semantic web technologies and information display enhance information restructuring, sharing in a structured and machine-readable way. It shares the goal of creating semantic web technologies and intelligent artificial objects that imitate human intelligence via computer, such as deep learning, reasoning, validation and prediction.The aim of this thesis is to develop a deep learning based search method in citation network that provides the advantages of both semantic web technologies and deep learning applications by using deep learning applications together with citation ontology developed using semantic web technologies.The citation ontology developed within the scope of the study provides information about citations to journal articles. Citation ontology was created using the Protégé ontology development editor. The protégé ontology development editor's graphical interface allows visual identification of citation issues, so that the desired area can be modeled.In the semantic analysis of the citation network proposed in the thesis study, the system developed by using deep learning methods found more similar journal articles in the matching process than the exact matches, and the effects of the proposed method to increase the journal article matching performance were determined.