Morphological segmentation using Dirichlet process based bayesian non-parametric models

Abstract

Bu tezde, morfolojik bölümleme içerisindeki dağılım özelliklerini açıklayan modeller incelenecektir. Morfolojik bölümlemeye, gözetimli, yarı gözetimli ve gözetimsiz öğrenmeyi temel alan çeşitli öğrenim yaklaşımları mevcuttur. Bu çalışmada, mevcut sistemleri inceleyerek, parametrik olmayan yarı gözetimli ve gözetimsiz Bayes temelli yaklaşımların bölümleme işlemine ne kadar uygun olduğunu gözlemleyeceğiz. Ek olarak, morfolojik bölümlemede, morfemleri birbirinden bağımsız ve bağımlı olarak ele alan modellerin rolleri incelenecektir.

This study, will try to explore models explaining distributional properties of morphology within the morphological segmentation task. There are different learning approaches to the morphological segmentation task based on supervised, semi-supervised and unsupervised learning. The existing systems and how well semi-supervised and unsupervised non-parametric Bayesian models fit to the segmentation task will be investigated. Furthermore, the role of occurrence independent and co-occurrence based models in morpheme segmentation will be investigated.