Anlamsal Bilgi Yönetiminde

(1)

Anlamsal Bilgi Yönetiminde Üst Veri Sistemlerinin ve

Ontolojilerin Kullanımı

Yaşar Tonta

Hacettepe Üniversitesi

Bilgi ve Belge Yönetimi Bölümü

tonta@hacettepe.edu.tr

yunus.hacettepe.edu.tr/~tonta/

(2)

2

Plan

• Durum saptaması

• Bibliyografik denetim

• FRBR, RDA

• Anlamsal Web

• Bağlı Veriler

• Sorgu Sistemleri

• Sonuç

1. Uluslararası Semantik Ağ ve Üst Veri Sistemleri Konferansı, 7-8 Mart 2013, İYTE, Urla, İzmir

(3)

Durum saptaması

• Web

• Hızlı bilgi artışı

• Dijital yerliler

• Sosyal ağlar

• Kullanıcılar tarafından üretilen üst veriler

• Kişiselleştirme

(4)

4

Kütüphane kataloğu: “Fiyatı yüksek vasat ürün” (Lloyd Sokvitne)

• “Kullanıcılarımız basitlik ve anında ödül bekliyor ve bizi

kütüphaneleri Amazon, Google, ve iTunes standartlarına göre yargılıyorlar. Bizim mevcut sistemlerimiz bunların yanında

soluk kalıyor” (University of California, 2005, s. 7).

Beyond the OPAC: Future Directions for Web-Based Catalogues Canberra: AustralianCommitteeon Cataloging, 18 September 2006.(http://www.nla.gov.au/lis/stndrds/grps/acoc/papers2006.html)

(5)

Düzenin Üç Düzeni

1. Nesnelerin kendilerinin düzenlenmesi

2. Nesnelerin üst verilerinin düzenlenmesi

3. Bit’lerin düzenlenmesi

(6)

6

Üst Veri

• Yapay

• Yapıcı

• İşlem

yapılabilir

Kaynak: Coyle, K. (2010 January). Library Data in a Modern Context. Library Technology Reports, 46(1): 1-13. http://alatechsource.metapress.com/content/p3022442071g7655/fulltext.pdf

(7)

FRBR Kavramsal Modeli

• Varlık-İlişki Veri Modeline dayanır

Kullanıcı görevleri

• Bul

• Belirle

• Seç

• Sağla

• İlişkilendir

• Diğer olası görevler:

– Telif hakları

– Koruma

(8)

8

FRBR 1. Grup Varlıklar

(9)

Örnek – İnce Memed

(10)

10 BBY220

Kataloğun işlevleri (Cutter, Rules for a Dictionary Catalog, 1876)

• Bilinen bir kitabın yazarına, eseradına ve konusuna göre bulunmasını sağlamak

• Bir kütüphanenin, bir yazarın belirli bir konudaki, belirli bir yazın türünde sahip olduğu kitapları

göstermek

• Bir kitabın seçiminde yardımcı olmak

– Basımı açısından (bibliyografik olarak)

– Özelliği açısından (yazınsal/konusal)

(11)

FRBR 2. Grup Varlıklar

(12)

12

FRBR 3. Grup Varlıklar

(13)

MARC’ta FRBR Varlıkları ve İlişkileri

Kaynak: C. Oliver, Introducing RDA. Chicago: ALA, 2010. http://www.alastore.ala.org/pdf/9780838998908_excerpt.pdf

(14)

14

RDA: Resource Description and Access

• Kullanıcı gereksinimlerinin yanıtlanması

• Maliyet etkinliği

• Esneklik

• Süreklilik

Kaynak: C. Oliver, Introducing RDA. Chicago: ALA, 2010. http://www.alastore.ala.org/pdf/9780838998908_excerpt.pdf

(15)

AACR2 - RDA

Kaynak: http://www.loc.gov/catdir/cpso/RDAtest/rdaexamples.html

(16)

BThaber Platform Bilgi ve Doküman Yönetimi, 30 Mart 2010, İTÜ Süleyman Demirel Kongre Merkezi, İstanbul 16

Anlamsal Web, 2001

“Anlamsal Web ayrı bir Web değil ama

şimdikinin bir

uzantısıdır. Anlamsal Web bilgiye iyi

tanımlanmış anlam verilerek

bilgisayarlarla insanların daha iyi

işbirliği yaparak çalışmasını sağlar.”

- Tim Berners-Lee, James Hendler and Ora Lassila; Scientific

American, May 2001

(17)

Anlamsal Web Mimarisi–Tim Berners-Lee

Kaynak: http://www.w3c.org/2000/Talks/1206-xml2k-tbl/

(18)

18

DBpedia

(19)

Dbpedia İstatistikleri

Kaynak: Christian Bizer, Jens Lehmann, Georgi Kobilarov, Sören Auer, Christian Becker, Richard Cyganiak, Sebastian Hellmann:

DBpedia – A Crystallization Point for the Web of Data. Journal of Web Semantics: Science, Services and Agents on the World Wide Web, Issue 7, Pages 154–165, 2009.

(20)

20

Türkçe DBpedia Henüz Yok

(21)

Wikipedia: Akasya Durağı

(22)

22

DBPedia: Akasya Durağı

(23)

Kongre Kütüphanesi Bağlı Veri Hizmeti

(24)

24

VIAF

(25)

Anlamsal Bilgi Yönetimi

• Mevcut bilgilerin

%20’si yapısal,

%80’i yapısal olmayan metin halinde

• Mevcut bilgilerin tanımları sınırlı

• Makinece işlenebilir

tanımlar gerekli

(ör., RDF, OWL,

XML)

(26)

Ontoloji Aracılığıyla Bilgi Bütünleştirmesi

Kaynak: Warren ve Davies, 2007, s. 182

(27)

Metindeki Varlıkların Bilgi Tabanındakilerle Karşılaştırılması

Kaynak: Warren ve Davis, 2007

(28)

28

Shirky: Abartılı Ontoloji

Kaynak: www.shirky.com/writings/ontology_overrated.html

(29)

Sadece Bağlantılar

Kaynak: www.shirky.com/writings/ontology_overrated.html

(30)

Kaynak: Madnick ve Zhu, 2006, s. 462, 466

Veri kalitesi ve yorum sorunları

• Veri

kalitesiyle

ilgili semantik farklılıklar

• Yorum sorunları (metrik

sistem, “yıl” -

son 12 ay,

takvim yılı,

mali yıl…)

(31)

Bağlı Veri

(32)

32

Bağlı Veri Kütüphaneler İçin Niçin Önemli?

• Kütüphane kaynakları Web’de daha kolay

bulunur

• Kütüphane üst

verilerine dayanan daha yaratıcı uygulamalar

geliştirilebilir

• Etkin kataloglama ve yenilik fırsatları sunar

Kaynak: http://lodlam.net/2012/08/09/linked-data-for-libraries-video-from-oclc/

(33)

Sözcüklerin kullanımı

• “ACCIDENT”

• “event”

• “incident”

• “situation”

• “problem”

• “difficulty”

• “unfortunate situation”

• “the subject of your last letter”

• “what happened last week was…”

• “Mr. A: We all know

why we are here.”

(34)

34

Zadeh’ye Göre Arama Motorları

• Yetersiz

• İki değerli mantıkla işliyor,

• Çıkarsama yapamıyorlar

Kaynak: Zadeh, 2005, 2006)

(35)

Soru Yanıt Sistemlerine Dönüşüm

• Dünya bilgisi

• İlgililik (istatistiksel/anlamsal)

– q: Vera’nın yaşı kaçtır?

– p: Vera, Irene ile yaşıttır – r: Irene 65 yaşındadır

• Algılama temelli bilgiden çıkarsama yapma

– İki değerli mantık ve olasılık geçerli değil

• Esas sorun doğal dil anlama sorunu

Kaynak: Zadeh, 2005, 2006)

(36)

Sorunlar

• Sorgu oluşturma

– Eş anlamlı sözcükler (“çöp teorisi”)

• Anlam yokluğu

– “Telekom şirketi Türkiye Nebi Fışkın Müdür”

– “10 Mayıstaki toplantısında İstanbul’da yerleşik Mobilfon yönetim kurulu Nebi Fışkın’ı CEO olarak atadı”

• Bağlam yokluğu

– Kullanıcının hangi bağlamda bilgi aradığı – COntext INterchange (COIN)

• Sonuçların sunulması

– Kullanıcılar ilk ekrandan sonrasına bakmıyorlar

Kaynak: Warren ve Davies, 2007, s. 179-181

(37)

Swanson’ın Yetersizlik Ön Kabulleri

• Yanıt bulunmadıkça soru kesin olarak oluşturulamaz

• Makine arama isteklerini uygun arama terimlerine çevirecek şekilde

programlanamaz

• Makineler anlamı tanıyamaz

• Ya ustaca yapılmış ilgililik

değerlendirmelerine ya da çok etkili mekanik süreçlere sahip olabilirsiniz, ama ikisine

birden sahip olamazsınız Kaynak: Swanson, 1988

(38)

38

Sonuç

• FRBR ve RDA geliştirilmeli

• Kütüphane verileri web’in bir parçası olmalı

• Kütüphanelerde geliştirilen ontolojiler web’e aktarılmalı

• Kütüphaneler bağlı açık veri modeline geçmeye özendirilmeli

(39)