Tez No	İndirme	Tez Künye	Durumu
753578		Science, technology and innovation-related text data analysis with deep neural networks / Derin sinir ağları ile bilim, teknoloji ve inovasyon ile ilgili metin analizi Yazar:NECİP GÖZÜAÇIK Danışman: DOÇ. DR. CEMAL OKAN ŞAKAR ; DOÇ. DR. SERCAN ÖZCAN Yer Bilgisi: Bahçeşehir Üniversitesi / Lisansüstü Eğitim Enstitüsü / Bilgisayar Mühendisliği Ana Bilim Dalı / Bilgisayar Mühendisliği Bilim Dalı Konu:Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol = Computer Engineering and Computer Science and Control ; Bilim ve Teknoloji = Science and Technology Dizin:Derin öğrenme = Deep learning ; Doğal dil işleme = Natural language processing ; Fikir madenciliği = Opinion mining ; Makine öğrenmesi yöntemleri = Machine learning methods ; Teknoloji öngörüsü = Technology foresight ; Yapay zeka = Artificial intelligence	Onaylandı Doktora İngilizce 2022 150 s.
Bu tez, bilim, teknoloji ve inovasyon ile ilgili metin verilerinin analizi için derin sinir ağı mimarilerinin kullanılmasıyla ilgilidir. İnternet çağında, yayınlanan bilimsel yayınların miktarı hızla artmaya devam ediyor. Bu, bilginin ilerlemesinde araştırmanın öneminin ve inovasyon yoluyla uygulanmasının farkındalığından kaynaklanmaktadır. Bu noktada, geçmiş verilerin analiz edilmesi, geleceğe yönelik bilim, teknoloji ve inovasyon alanında iş birliklerinin öngörülmesi açısından önemlidir. Bu tezde iki temel hedef vardır. İlk hedef, sosyal medya madenciliğinde derin öğrenme tekniklerinin etkinliğini incelemek amacıyla, çok görevli derin sinir ağlarını kullanarak yenilikçi bir teknoloji ürünü için sosyal medyadan fikir madenciliği yapmaktır. İkinci hedef, kelime matrisinin tahminine dayalı olarak seçilen bir teknoloji alanı için uçtan uca bir mimari önermektir. Bu amaçla, yıllar bazında kelime matrisleri çevrimiçi öğrenme şeklinde elde edilmiş ve oluşturulan kelime matrislerinin zamansal özelliklerini modellemek ve buna göre gelecekteki kelime matrisini tahmin etmek için LSTM tabanlı bir derin sinir ağı mimarisi kullanılmıştır. Metodolojik katkıların yanı sıra, bu tez, farklı kullanım senaryoları ve alanları ile ilgili fikir madenciliği ve teknolojik tahmin görevleri için pratik katkılar sunmaktadır.
This thesis deals with utilizing deep neural network architectures for text data analysis of science, technology, and innovation topics. The amount of published scientific publications continues to rise fast in the Internet age. That is driven by awareness of the importance of research in the advancement of knowledge and its application through innovation. At this point, analyzing past data is important to provide a path regarding collaboration of science, technology, and innovation for the future. In this thesis, there are two main objectives. The first objective is to perform opinion mining from social media for an innovative technology product using multi-task deep neural networks with the aim of examining the effectiveness of deep learning techniques in social media mining. The second objective is to propose an end-to-end framework for technological forecasting for a selected technology domain based on the estimation of future word embedding matrix. For this purpose, the word embedding matrices throughout the years are obtained in an online learning fashion and an LSTM-based deep neural network architecture is used to model the temporal characteristics of the generated word embedding matrices and predict the future word embedding matrix accordingly. Apart from methodological contributions, this thesis offers practical contributions for the opinion mining and technological forecasting tasks regarding different use-cases and domains.