Tez No	İndirme	Tez Künye	Durumu
334851		New approaches to enhancing the performance of text classification / Metin sınıflandırma başarımını iyileştirmek için yeni yaklaşımlar Yazar:ALPER KÜRŞAT UYSAL Danışman: YRD. DOÇ. DR. SERKAN GÜNAL Yer Bilgisi: Anadolu Üniversitesi / Fen Bilimleri Enstitüsü / Bilgisayar Mühendisliği Ana Bilim Dalı Konu:Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol = Computer Engineering and Computer Science and Control Dizin:Metin sınıflandırma = Text categorization	Onaylandı Doktora İngilizce 2013 90 s.
Metinlerin kategorize edilmesi olarak da bilinen metin sınıflandırmanın amacı metinleri uygun sınıflara atamaktır. İnternet teknolojilerinin hızlı bir şekilde gelişmesine bağlı olarak dünya genelindeki elektronik belge miktarında yüksek miktarda bir artış görülmüştür. Dolayısıyla metin sınıflandırma, bu belgelerin organizasyonunda büyük bir önem kazanmıştır. Metin sınıflandırmadaki önemli sorunlar öznitelik uzayının yüksek boyutluluğu ve bundan kaynaklı hatalı sınıflandırmalardır. Bu tez çalışmasında, metin sınıflandırmadaki bu iki sorunun üstesinden gelebilmek için çeşitli çözümler önerilmiştir. Özel olarak, ayırt edici öznitelik seçici adında yeni bir filtre tabanlı öznitelik seçim yöntemi ortaya çıkarılmıştır. Bunun yanı sıra, öznitelik seçim ve öznitelik dönüşüm işlemlerinden oluşan genetik algoritma yönelimli gizli anlamsal öznitelikler önerilmiştir. Ayrıca, çeşitli öznitelik çıkarım ve öznitelik seçim yöntemlerinin metin sınıflandırmanın bir türü olan istenmeyen kısa mesaj filtreleme problemi üzerindeki etkisi iki farklı dil için detaylı bir şekilde araştırılmıştır. Son olarak, ön işleme yöntemlerinin metin sınıflandırma üzerinde etkisi farklı konu başlıkları ve farklı diller için incelenmiştir. Kıyaslama veri kümeleri üzerinde yapılan kapsamlı deneyler, önerilen tüm çözümlerin daha iyi boyut indirgeme ve/veya sınıflandırma başarımı sağladığını ortaya koymuştur.Anahtar Kelimeler: Metin Sınıflandırma, Öznitelik Çıkarımı, Öznitelik Seçimi, Öznitelik Dönüşümü.
The aim of text classification, also known as text categorization, is to classify texts of interest into appropriate classes. Due to the rapid advance of Internet technologies, the amount of electronic documents has drastically increased worldwide. Consequently, text classification has gained importance in organization of these documents. Important issues in text classification are the high dimensionality of feature space and misclassification concerns regarding the feature space. In this dissertation, various solutions are proposed to overcome both of these concerns of the text classification problems. Specifically, a novel filter-based feature selection method, namely distinguishing feature selector, is introduced. Besides, genetic algorithm oriented latent semantic features, which are originated from feature selection and transformation operations, are proposed. Moreover, the impact of several feature extraction and selection approaches on SMS spam filtering problem, a special case of text classification, is extensively investigated for two different languages. Finally, the impact of preprocessing methods on text classification is examined for different domains and different languages as well. Extensive experiments conducted on benchmark datasets revealed that all the proposed solutions offer better dimensionality reduction and/or classification performance depending on their contributions.Keywords: Text Classification, Feature Extraction, Feature Selection, Feature Transformation.