Yüksek Lisans Tezleri
Permanent URI for this collectionhttps://hdl.handle.net/20.500.12416/15956
Browse
2 results
Search Results
Master Thesis Improving File Security through an Optimized Auto-Classification Approach Using Learning Models(2024) Açıkgöz, Zeliha; Arslan, Recep Sinan; Arslan, SerdarPDF dosyalarını hedef alan kötü amaçlı yazılımlar dijital güvenlik açısından ciddi bir tehdit oluşturmaktadır. Bu çalışmada PDF dosyalarının sınıflandırılması için kapsamlı bir yöntem önerilmiştir. Çalışma kapsamında PyPDF2, PDFMiner ve PyMuPDF kütüphaneleri kullanılarak PDF'lerden 43 farklı genel ve yapısal özellik çıkarılmıştır. Çalışmada iki faklı aşama bulunmaktadır. İlk aşamada kullanılan veriseti tek sütun olacak şekilde TF-IDF, N-gram Count Vectorizer ve Word2Vec yöntemleri ile sayısallaştırılarak özellik seçimi yapılmadan model eğitimlerinde kullanılmıştır. İkinci aşamada ise metin içeren sütunlar Word2Vec ile sayısallaştırıldıktan sonra özellik seçim yöntemleri uygulanarak model eğitimlerinde kullanılmıştır. İlk aşamada yedi farklı makine öğrenmesi ve dört farklı derin öğrenme modeli uygulanmıştır. İkinci aşamada ise makine öğrenme modellerine ek özgün tasarlanmış Çok Dallı CNN modeli kullanılmıştır. Özellik seçiminde SelectKBest, Recursive Feature Elimination (RFE) ve Lasso yöntemleri uygulanmıştır. Önerilen Çok Dallı CNN mimarisi özellik seçimi yöntemlerinin sonuçlarına uygulanmıştır. Çok Dallı CNN modeli yapılan test sonucunda Lasso özellik seçimiyle 0.9982 doğruluk değeri elde edilmiştir. Makine öğrenimi modelleriyle yapılan deneyler, özellik çıkarımı olan ve olmayan veri setleri üzerinde değerlendirilmiş ve karşılaştırmalı olarak doğruluk, kesinlik, geri çağırma oranı ve F1 puanı gibi metrikler her iki aşama için de analiz edilmiştir. Çalışma, yaklaşık 30.000 PDF dosyasından oluşan kapsamlı bir veri seti üzerinde test edilmiştir. Elde edilen sonuçlar, PDF tabanlı kötü amaçlı yazılımların tespiti için etkili bir yaklaşım sağlamayı amaçlamaktadır.Master Thesis Çeşitli Türkçe Metinlerin Gelişmiş Duygu Sınıflandırması İçin Hiyerarşik Kapılı Dikkat Ağı ve Yinelemeli Sinir Ağının Birleştirilmesi(2024) Eke, Simay; Arslan, SerdarDuygu sınıflandırması, metinlerdeki bağlamları ve eğilimleri belirlemede önemli bir süreçtir. Doğal dil işleme ve derin öğrenmedeki son gelişmeler nedeniyle sinir ağları gibi yöntemler duygu sınıflandırmasında çok daha fazla önem kazanmıştır. Bu çalışma özellikle gömme yöntemlerini, dikkat ağlarını ve mekanizmalarını, Yinelemeli Sinir Ağlarını vurgulamaktadır. Çalışma karakter ve kelime gömmelerinin modelleri ve metin analizini nasıl geliştirdiğini, dikkat mekanizmalarının bilginin belirli bölümlerine nasıl vurgu yaptığını ve daha fazla dikkat ettiğini, Uzun Kısa Süreli Bellek ağlarının metindeki uzun vadeli bağımlılıkları ve zamansal değişimleri nasıl oldukça etkili bir şekilde yakaladığını incelemektedir. Hem kısa, yapılandırılmamış hem de uzun, yapılandırılmış Türkçe metinlerin duygularını tek bir modelde analiz etmek amacıyla Uzun Kısa Süreli Bellek ve Hiyerarşik Kapılı Dikkat Ağı birleştirilerek bir hibrit model geliştirilmiştir. Ayrıca önerilen modelin performansını değerlendirmek için Twitter verisi kullanılarak yeni bir Türkçe veri seti oluşturulmuş ve etiketlenmiştir. Hiyerarşik Kapılı Dikkat Ağı, hem kelime hem de cümle düzeylerinde temel bilgileri önceliklendirerek ikili bir rol oynar ve böylece metnin hiyerarşik yapısını daha etkili bir şekilde yakalar. Bu yaklaşım, Uzun Kısa Süreli Bellek Ağlarının güçlü yetenekleriyle birleştiğinde duygu sınıflandırması için sağlam bir çerçeve oluşturur. Deney sonuçları, bu yöntemlerin birleştirilmesinin duygu sınıflandırmasının performansını artırdığını ve Türkçe metinlerdeki bağlamların daha kapsamlı bir şekilde anlaşılmasını sağladığını göstermektedir. Çalışma, bu tekniklerin nasıl uygulandığını ve bu uygulamaların modelin duygu sınıflandırması üzerindeki etkilerini ayrıntılı olarak inceler ve bunları diğer yapılandırmalar, yöntemler ve modellerle karşılaştırır.