TEKSİR TAKIMI (Bağlamsal Modeller Kullanarak Metinsel Veri Çoğaltma Kütüphanesi)

Youtube Video Linki

Sunum Linki

Odaklanılan sorun:

Kısıtlı metinsel veri kümelerinin model geliştirmeleri için yetersiz kalması

Sağlanan çözüm:

Bağlamsal modellerden faydalanarak veri artırımı yapabilen doğal dil işleme kütüphanesi

Uygulama Biçimi:

• Veri kümesinde yer alan cümlelere ait sözcüklerin rastgele maskelenerek yerine bağlamsal model (BERT) aracılığı ile olası sözcüklerin yerleştirilmesi

• İlgili değişiklikler sonucunda etiket bilgisinin korunması için anlamsal koşullar eklenmesi

• Artırılmış veri kümesi ile başarımın ölçümlenmesi ve sonuçların karşılaştırılması

Kullanım

Uçtan uca bir örnek "ornek_kullanim" notebook'unda gösterilmiştir.

from augmentator import BertAugmentator

augmentation_config = {
    "model_name": "dbmdz/bert-base-turkish-cased",
    "frac": 0.2
}

bert_augmentator = BertAugmentator(augmentation_config=augmentation_config)

sentence = "TRABZON - Yurt dışı ve İstanbul 'da bazı transfer görüşmeleri yaptıktan sonra Trabzon'a gelen Süleyman Hurma, havalimanında basın mensuplarının sorularını yanıtladı."
augmented_sentence = bert_augmentator.augment(sentence)

"""
Original:
TRABZON - Yurt dışı ve İstanbul 'da bazı transfer görüşmeleri yaptıktan sonra Trabzon'a gelen Süleyman Hurma, havalimanında basın mensuplarının sorularını yanıtladı.
Augmented:
TRABZON - Yurt dışı ve Avrupa ' da çeşitli transfer görüşmeleri yaptıktan sonra Trabzon ' a gelen Özer Hurma , burada basın mensuplarının sorularını yanıtladı .
"""

Örnekler

Aşağıda veri kümesinden rastgele seçilmiş örnekler üzerinde yapılan veri arttırım çalışmasına ait örnekler gösterilmiştir.

Örnek 1:

* "2004 yılında [MASK] Kanyon AVM metrekaresini 3 bin liradan satışa çıkarmıştık ."

{'score': 0.16715115308761597,
 'sequence': '[CLS] 2004 yılında İstanbul Kanyon AVM metrekaresini 3 bin liradan satışa çıkarmıştık. [SEP]',
 'token': 2673,
 'token_str': 'İstanbul'}

* "2004 yılında [İstanbul] Kanyon AVM metrekaresini 3 bin liradan satışa çıkarmıştık ."

Örnek 2:

* "Avrupa Birliği Bakanlığı'nda gerçekleşen kabul, basın mensuplarının [MASK] almasının ardından kapalı olarak devam etti."

{'score': 0.42132705450057983,
 'sequence': "[CLS] Avrupa Birliği Bakanlığı'nda gerçekleşen kabul, basın mensuplarının yerini almasının ardından kapalı olarak devam etti. [SEP]",
 'token': 5982,
 'token_str': 'yerini'}

 * Avrupa Birliği Bakanlığı'nda gerçekleşen kabul, basın mensuplarının yerini almasının ardından kapalı olarak devam etti.

Veri Kümesi

Bu çalışmada TTC-3600 veri kümesi kullanılmıştır. Veri kümesi toplam 6 kategoriden (ekonomi, kültür-sanat, sağlık, siyaset, spor, teknoloji) 3600 doküman içermektedir.

Sonuçlar

• Veri kümesi %80-%20 olacak şekilde eğitim ve test kümesi olarak ayrılmıştır. Ayrılan eğitim kümesinin %50'sine veri arttırımı uygulanmıştır.

• Veri kümesi üzerinde herhangi bir işlem yapılmadan önceki skorlar (Eğitim: 2880, Test: 720)

label	precision	recall	f1-score
ekonomi	0,877	0,871	0,874
kultursanat	0,894	0,924	0,909
saglik	0,904	0,950	0,926
siyaset	0,920	0,937	0,929
spor	0,954	0,889	0,920
teknoloji	0,904	0,879	0,891
macro	0,909	0,908	0,908

---

• Veri arttırımı yapıldıktan sonraki skorlar (Eğitim: 2880 + 1440 = 4320, Test: 720)

label	precision	recall	f1-score
ekonomi	0,875	0,871	0,873
kultursanat	0,893	0,916	0,905
saglik	0,919	0,950	0,934
siyaset	0,920	0,928	0,924
spor	0,963	0,897	0,929
teknoloji	0,896	0,882	0,889
macro	0,911	0,907	0,909

Takım Üyeleri

• Sinan ÇALIŞIR

  • Sorumluluklar: Bağlamsal modellerin uygulanması ve veri kümelerinin hazırlanması

• Muhammed Emir KOÇAK

  • Sorumluluklar: Geliştirilen modellerin tasarımı ve eğitimi

• Muhammed Furkan ÇANKAYA

  • Sorumluluklar: Geliştirilen modellerin tasarımı ve eğitimi

İleriki Çalışmalar

• Mevcut versiyon CPU üzerinde arttırım işlemlerini gerçekleştirmektedir. GPU kullanımı desteklenecektir.
• Diğer bağlamsal modeller (RoBERTa, ELECTRA vb.) desteklenecektir.

Kaynaklar

• BERT
• transformers
• fastText