Browsing by Author "Yücesoy, V."

Now showing 1 - 8 of 8

Open Access
Çok kollu haydutlar ile dinamik ambulans konumlandırma
(IEEE, 2019-04) Şahin, Ümitcan; Yücesoy, V.
Bir ülkenin acil yardım sistemlerinin iyileştirilmesi, daha çok acil vakaya zamanında müdahale edilmesi ve daha çok hayatın kurtarılmasını sağlar. 112 Acil Yardım sisteminin bir parçası olan ambulans konumlandırma problemi, ambulansların vakalara mümkün olan en kısa sürede ulaşmasını sağlayacak şekilde konumlandırılmasını sağlayan birçok yöntemden oluşur. Bu çalışmada ambulanslar, literatürdeki yöntemlerin aksine, bir çok kollu haydut (ÇKH) algoritması kullanılarak konumlandırılmaktadır. OpenStreetMap (OSM) harita uygulaması kullanılarak oluşturulmuş iki yönlü kenarlardan ve toplam 2400 düğümden oluşan bir Ankara şehri haritası üzerinde konumlandırma işlemi yapılmaktadır. Düğümler üzerindeki vaka dağılımları ve aralarındaki seyahat süreleri ÇKH algoritması tarafından bilinmemektedir ve zamanla öğrenilmektedir. Bu öğrenim keşif ve istifade arasındaki ödünleşim sistemi ile sağlanmaktadır. Algoritma karşılaştırmaları için literatürde sıkça kullanılan ve dinamik bir konumlandırma yöntemi olan DMEXCLP modeli kullanılmıştır. Simülasyonlarda algoritma karşılaştırmaları için iki ölçüt değerlendirilmiştir: 1) vakalara ortalama müdahale süresi ve 2) 15 dakika altında varılan vaka yüzdesi. Sonuç olarak aynı şartlar altında önerilen ÇKH algoritmasının DMEXCLP modeline göre bu iki ölçüt açısından daha iyi performans verdiği gösterilmiştir.
Open Access
Generating semantic similarity atlas for natural languages
(IEEE, 2018-12) Şenel, Lütfi Kerem; Utlu, İhsan; Yücesoy, V.; Koç, A.; Çukur, Tolga
Cross-lingual studies attract a growing interest in natural language processing (NLP) research, and several studies showed that similar languages are more advantageous to work with than fundamentally different languages in transferring knowledge. Different similarity measures for the languages are proposed by researchers from different domains. However, a similarity measure focusing on semantic structures of languages can be useful for selecting pairs or groups of languages to work with, especially for the tasks requiring semantic knowledge such as sentiment analysis or word sense disambiguation. For this purpose, in this work, we leverage a recently proposed word embedding based method to generate a language similarity atlas for 76 different languages around the world. This atlas can help researchers select similar language pairs or groups in cross-lingual applications. Our findings suggest that semantic similarity between two languages is strongly correlated with the geographic proximity of the countries in which they are used.
Open Access
Interpretability analysis for Turkish word embeddings
(IEEE, 2018) Şenel, L. K.; Yücesoy, V.; Koç A.; Çukur, Tolga
Kelime temsilleri, doğal dil işleme (DDİ) uygulamalarında sağladıkları önemli performans artışları dolayısıyla günümüzde yaygın olarak çalışılmakta ve kullanılmaktadır. Kelime temsili öğrenen algoritmalar, etiketsiz büyük derlemler içerisindeki kelimelerin birbirlerine yakınlık durumlarını gözetimsiz bir şekilde kullanarak kelimeler arasındaki anlamsal ilişkileri başarıyla yansıtabilen yoğun ve düşük boyutlu vektör uzayları öğrenirler. Ancak bu uzaylar genellikle yorumlanabilir boyutlara sahip olmadıkları için uzayların barındırdıkları anlamsal yapının araştırmacılar tarafından anlaşılması güçleşmektedir. Bu uzayların iç yapılarını daha iyi anlayabilmek ve geliştirebilmek için yeni, yorumlanabilir temsiller öğrenmek günümüzde önem kazanan araştırma konularındandır. Bu çalışmada, kelime vektörü uzaylarının yorumlanabilirliklerini sayısal bir şekilde ölçebilmek için 4000’den fazla farklı Türkçe kelimenin 62 farklı anlamsal kategoride gruplandığı bir veri kümesi (ANKAT) oluşturulmuştur. Bu veri kümesini temel alan bir yorumlanabilirlik analiz yöntemi önerilmiş ve 5 farklı temsil uzayında test edilmiştir.
Open Access
Learning interpretable word embeddings via bidirectional alignment of dimensions with semantic concepts
(Elsevier Ltd, 2022-03-22) Şenel, L. K.; Şahinuç, Furkan; Yücesoy, V.; Schütze, H.; Çukur, Tolga; Koç, Aykut
We propose bidirectional imparting or BiImp, a generalized method for aligning embedding dimensions with concepts during the embedding learning phase. While preserving the semantic structure of the embedding space, BiImp makes dimensions interpretable, which has a critical role in deciphering the black-box behavior of word embeddings. BiImp separately utilizes both directions of a vector space dimension: each direction can be assigned to a different concept. This increases the number of concepts that can be represented in the embedding space. Our experimental results demonstrate the interpretability of BiImp embeddings without making compromises on the semantic task performance. We also use BiImp to reduce gender bias in word embeddings by encoding gender-opposite concepts (e.g., male–female) in a single embedding dimension. These results highlight the potential of BiImp in reducing biases and stereotypes present in word embeddings. Furthermore, task or domain-specific interpretable word embeddings can be obtained by adjusting the corresponding word groups in embedding dimensions according to task or domain. As a result, BiImp offers wide liberty in studying word embeddings without any further effort.
Open Access
Learning traffic congestion by contextual bandit problems for optimum localization
(IEEE, 2017) Şahin, Ümitcan; Yücesoy, V.; Koç, A.; Tekin, Cem
Optimum localization problem, which has a wide range of application areas in real life such as emergency services, command and control systems, warehouse localization, shipment planning, aims to find the best location to minimize the arrival, response or return time which might be vital in some applications. In most of the cases, uncertainty in traffic is the most challenging issue and in the literature generally it is assumed to obey a priori known stochastic distribution. In this study, problem is defined as the optimum localization of ambulances for emergency services and traffic is modeled to be Markovian to generate context data. Unlike the solution methods in the literature, there exists no mutual information transfer between the model and solution of the problem; thus, a contextual multi-armed bandit learner tries to determine the underlying traffic with simple assumptions. The performance of the bandit algorithm is compared with the performance of a classical estimation method in order to show the effectiveness of the learning approach on the solution of the optimum localization problem.
Open Access
Measuring cross-lingual semantic similarity across European languages
(IEEE, 2017) Şenel, Lütfü Kerem; Yücesoy, V.; Koç, A.; Çukur, Tolga
This paper studies cross-lingual semantic similarity (CLSS) between five European languages (i.e. English, French, German, Spanish and Italian) via unsupervised word embeddings from a cross-lingual lexicon. The vocabulary in each language is projected onto a separate high-dimensional vector space, and these vector spaces are then compared using several different distance measures (i.e., correlation, cosine etc.) to measure their pairwise semantic similarities between these languages. A substantial degree of similarity is observed between the vector spaces learned from corpora of the European languages. Null hypothesis testing and bootstrap methods (by resampling without replacement) are utilized to verify the results.
Open Access
Semantic similarity between Turkish and European languages using word embeddings
(IEEE, 2017) Şenel, Lütfü Kerem; Yücesoy, V.; Koç, A.; Çukur, Tolga
Representation of words coming from vocabulary of a language as real vectors in a high dimensional space is called as word embeddings. Word embeddings are proven to be successful in modelling semantic relations between words and numerous natural language processing applications. Although developed mainly for English, word embeddings perform well for many other languages. In this study, semantic similarity between Turkish (two different corpora) and five basic European languages (English, German, French, Spanish, Italian) is calculated using word embeddings over a fixed vocabulary, obtained results are verified using statistical testing. Also, the effect of using different corpora, and additional preprocess steps on the performance of word embeddings on similarity and analogy test sets prepared for Turkish is studied.
Open Access
Stable and robust controller synthesis for unstable time delay systems via ınterpolation and approximation
(Elsevier B.V., 2018) Yücesoy, V.; Özbay, Hitay
In this paper, we study the robust stabilization of a class of single input single output (SISO) unstable time delay systems by stable and finite dimensional controllers through finite dimensional approximation of infinite dimensional parts of the plant. The plant of interest is assumed to have finitely many non-minimum phase zeros but is allowed to have infinitely many unstable poles in the open right half plane. Conservatism of the proposed methods is illustrated by numerical examples for which infinite dimensional strongly stabilizing controllers are derived in the literature.