BBY 156 Bilgi Erişim�2025-2026�http://bby156.blogspot.com ��İnternette bilgi erişim

Web’de arama ile ilgili zorluklar

Veriden kaynaklı

Kullanıcıdan kaynaklı

• Dağıtık veri
• Geçici veri / Tazelik “Freshness” (“40% of the web changes every month”<= sosyal medyanın bu kadar yaygın olmadığı dönemlerde yapılan araştırmalara göre…)
• Aşırı bilgi => Üstel büyüme
• Yapısal olmayan ve tekrarlanan (gereksiz) veri (“30% of web pages are near duplicates”)
• Düzenlenmemiş / gözden geçirilmemiş veri
• Çoklu biçim (multiple formats)
• Ticari önyargılar
• Saklı (örtük) veri

• Arama motorlarının arayüzüne aşina olmayan kullanıcılar (Örneğin, “sancar a*” sorgusu tüm arama motorlarında aynı anlama mı gelir?)
• Verinin mantıksal görünüşüne aşina olmayan kullanıcılar (Örneğin, çift tırnak (“) işareti kullanılarak yapılan sorgu ile tek tırnak (‘) ile yapılan sorgu aynı şey midir?)
• Farklı bilgi ihtiyacı olan ve farklı arama davranışları sergileyen kullanıcılar (Örneğin doğal dil kullanarak arama yapanlarla daha karmaşık sorgu formülasyonu kullanabilenler)

Arama motorları ve geleneksel bilgi erişim sistemleri arasındaki farklar

• Geleneksel bilgi erişim sistemlerinde dizinlenecek belgeler durağandır (statik). Başka bir deyişle, bir belge bir defa dizinlendikten sonra bir daha dizinleme işlemine genellikle tabi tutulmaz.
• Arama motorlarının mimarisi ise bilgi erişim sistemlerininkine göre farklı, çünkü çok daha dinamik bir yapı var.
• «Web kaynaklarının %40’ı her ay değişiyor.» (Kahle, 1996)
• «Bir Web sitesinin “yarı ömrü” (half-life) 2 yıl civarında.» (Koehler, 1999)
• «İnternet ortamındaki bir bağlantının (link) ortalama ömrü 44 gün.» (Kahle, 1997)
• «Web kaynakları tahmini olarak ortalama 75 gün değişmeden kalmaktadırlar.» (Brake, 2001)
• «Bilimsel içerikli web sayfalarının yaşam sürelerinin medyanı 9 yıl ve bunların yalnızca %62’si web üzerinde arşivleniyor» (Hennessey ve Ge, 2013)
• «Akademik ve hukuksal atıflarda yer alan URL’lerin %70’inin ve ABD Yargıtay kararlarına ait URL’lerin %50’sinin atıf yapılan orijinal bilgiye yönlendirmediği anlaşıldı.» (Zittrain, Albert ve Lessig, 2014)
• Bu tespitler geçmişte yapılan akademik çalışmalardan gelmektedir; günümüzde özellikle sosyal medya ve kullanıcı üretimli içerik nedeniyle değişim hızı çok daha yüksektir.

«Half-life» veya “attention span” kavramları hakkında fikir edinmek için aşağıdaki örnekleri inceleyin:

​

The half-life of internet references cited in communication journals

https://www.researchgate.net/publication/249831425_The_half-life_of_internet_references_cited_in_communication_journals

​

Bit.ly link analysis on half-life of web content

https://visualign.org/2011/09/09/bit-ly-link-analysis-on-half-life-of-web-content

​

Infographic: Half-Life Of Social Media Shares

http://searchengineland.com/infographic-half-life-of-social-media-shares-98433

​

The Lifespan of a Social Media Post

https://www.researchgate.net/publication/387700277_Lifespan_Half-Life_of_Social_Media_Posts_Update_for_2025

Arama motorlarının türleri

• https://en.wikipedia.org/wiki/List_of_search_engines
• https://en.wikipedia.org/wiki/Outline_of_search_engines

​

Bilgi erişim sistemlerinin işlevsel mimarisi (hatırlatma)

(Tonta, Bitirim ve Sever, 2002)

Arama motorlarının işlevsel mimarisi (Türkçe arama motoru örneği)

Arama motorlarının işlevsel mimarisi

• Web arama motorları kabaca üç ana modülden oluşur. Bunlar;
• Web örümceği (Web crawler/spider),
• Dizinleme ve
• Arama

modülleridir.

​

Arama motorlarının işlevsel mimarisi

Web örümceği

• İnternetteki tüm web sayfalarını keşfetmeyi ve toplamayı amaçlar. Böylece bu sayfalara erişimi mümkün kılar. Bir web örümceğinin kalitesi aşağıdaki ölçütlere göre değerlendirilebilir:
• Kapsama alanı: Web'in yüzde kaçını toplayabildi?
• Güncellik: Toplanan sayfalar ne kadar güncel?
• İşe yararlılık: Toplanan sayfalar popüler ve önemli sayfalar mı? (Baeza-Yates & Cambazoglu, 2010)

​

? Derin web vs. Web örümceği ?

Web örümceği

• Ziyaret edilecek olan sayfaların bir listesini tutar, sıraya uygun olarak bu sayfaları ziyaret eder, içeriklerini getirir ve link analizi yaparak ziyaret edilmesi gereken yeni sayfaları keşfeder.
• Web örümcekleri, başlangıçta hangi web sayfalarını ziyaret edeceklerini bilmek zorundadır, bu nedenle bir başlangıç listesi (seed) ile yola çıkar.
• 2017 Mart ayına kadar başlangıç listeleri için genellikle DMOZ (http://www.dmoz.org/) linkleri kullanılıyordu.
• DMOZ insan aklıyla webi düzenleme girişimiydi ancak webin aşırı büyümesi sonucunda artık kullanılmıyor.

​

​

​

​

​

​

​

​

​

​

​

http://www.dmoz.org/docs/en/about.html

Sullivan, D. (2017). DMOZ has officially closed after nearly 19 years of humans trying to organize the web. (http://searchengineland.com/dmoz-has-officially-closed-271530 )

Web örümceği

(politikalar)

• Web'in çok büyük boyutta ve değişken olması Web örümcekleri için en önemli sorun. Bu sorunları çözmek için bazı kararlar almak ve politikalar üretmek gerekir:

​

• Web Sayfası Seçimi (selection) Politikası: Tüm web sayfalarını belirlenen süre içinde toplamak mümkün olamayacağı için bir "Web Sayfası Seçimi Politikası"na ihtiyaç vardır. Toplanacak web sayfalarının türünü belli kriterlere göre önceliklendirmek gerekmektedir (link analizi). Örn: En çok referans (link) verilen sayfalar, bloglar vb.

​

• Yeniden Ziyaret Etme (re-visit) Politikası: Sayfalarının dinamik olması ve çok hızlı değişmeleri nedeniyle sayfaların en güncel halini elde etmek gerekir.
• Web örümceği tarafından yakalanan ve indekste saklanan bir sayfa, bu sayfada zamana bağlı olarak meydana gelebilecek değişiklik ve güncellemeleri yansıtabilmesi için düzenli olarak tekrar ziyaret edilmelidir.
• Bu ziyaretlerin ne zaman yapılacağını belirlemek için sayfanın yenilenme (freshness) hızı ya da yaş (age) değerine bakılır.
• Bazı arama motorları bu değerlere bakmadan düzenli aralıklarla getirilen sayfaları tekrar ziyaret eder.

​

​

​

​

Google Web Crawler nasıl dizinleme yapıyor, anlamak için bkz: https://developers.google.com/search/docs/fundamentals/how-search-works?hl=tr

Web örümceği

(politikalar)

• Nezaket (politeness) Politikası: Web sayfalarının içeriğini indirme işlemi, sayfanın ait olduğu web sitesi sunucusuna belli bir yük getirmektedir. Çok sık aralıklarda örümcekler bu sayfaları indirmeye çalıştığında sunucular diğer istemcilere hizmet edemez hale gelebilmektedir. Bu politikada bir web sayfasının en az kaç saniye aralıkla indirileceği belirlenir.
• Web örümcekleri tarafından kullanılan bot’lar, web siteleri için ilgili web sunucularına sayfaları indirmek için istek yollarlar.
• Örümcekler tarafından kullanılan bant genişliği çok fazla olduğu için örümceğin kullandığı bot, ilgili web sitesinin sınırlı bant genişliğinin tamamını kullanabilir (sonuç: “server overload”).
• Bu durumda, ilgili siteye erişmeye çalışan diğer kullanıcılar yoğunluktan dolayı sayfalara erişemez, bu istenmeyen bir durumdur.
• Bu tıkanıklığı engellemek için “robots exclusion protocol” yöntemi kullanılır.
• Bu protokolde sunucuda tutulan robots.txt dosyasında örümceklerin erişmesi istenmeyen sayfalar ve web sunucusuna örümcek tarafından yapılacak iki istek arasında geçmesi gereken zaman gibi parametreler yazılır.

​

• Paralel Çalışma (parallelisation) Politikası: Bilgi erişim sistemi hız kazanmak açısından birden fazla web örümceği çalıştırıyorsa aynı web sayfasının birçok örümcek tarafından indirilmemesi için bir "Paralel Çalışma Politikası" belirlenerek tekrarlı sayfa indirmenin engellenmesi gerekir. Örn: Her örümceğin farklı yer sağlayıcılarla yönlendirilmesi gibi... (Castillo, 2004)

Ayr. Bkz. http://en.wikipedia.org/wiki/Web_crawler

http://en.wikipedia.org/wiki/Robots_Exclusion_Standard

Web örümceği �(sayfa getirici ve dil tespiti)

• Belirli dillere özel web örümcekleri tasarlayabilmek için dil tespiti gerekir.
• Örneğin, çok dilli web üzerinde sadece Türkçe belgelerin toplanmasını sağlayacak akıllı web örümceği yaratmak konusu akademik bir problem olarak ele alınabilir.
• Bunun bir problem olmasının iki temel nedeni var:
• Web üzerinde her bir belgenin dilini tespit etmek
• Sadece belirli dille yazılmış belgeleri seçmek

​

Web örümceği �(sayfa getirici ve dil tespiti)

• Web üzerindeki, örn. Türkçe belgelerin tespit edilmesine yönelik olarak kullanılan farklı yöntemler var ve bunlar genellikle istatistiklere dayanıyor:
• Sesli / sessiz harf yaklaşımı:
• «Türkçede sözcüklerin %50’si sesli harfle bitiyor. İngilizce sözcüklerin %28’i sesli harfle bitiyor.»
• Türkçe heceleme kurallarına göre karar verme:
• «Bir belgedeki sözcüklerin %70’i Türkçe heceleme kurallarına uygun olarak heceleniyorsa belge Türkçedir.»
• Durma sözcükleri yaklaşımı:
• «Bir belge içinde Türkçe için tanımlanan durma sözcüklerinden farklı n tanesi geçiyorsa belge Türkçedir.»
• Türkçe karakter yaklaşımı:
• «Bir belge içerisinde Türkçe karakterlerden (ı, ç, ş, ğ, ü) farklı n tanesi geçiyorsa belge Türkçedir.»

Sorgu

• Web arama motorlarına yöneltilen sorgular kısa
• Çoğu ortalama ~2 sözcük
• Doğal dille arama ve sesli arama yükselişte
• Kullanıcı beklentileri
• “İlk sırada gelen sonuç benim görmek istediğim sonuç olmalı!”

​

Google Search Statistics and Facts 2023

Google Search Statistics by Algorithm, Results, Growth (2026)

Arama sonuçlarının derecelendirilmesi

• Pek çok arama motoru erişim fonksiyonu (vektör uzayı, olasılıksal, dil modeli vb.) olarak kullanılan yöntemlerin belge / sorgu eşleşmesi için ürettiği skor değerlerine göre bir derecelendirme yapar.
• Google ile birlikte bu derecelendirme skoruna link alma skorları da eklendi: “PageRank”
• PageRank (sayfa değeri) yöntemi, internet üzerinde bir sayfaya diğer sayfalardan ne kadar fazla referans (link) verilirse o sayfanın o kadar değerli olacağı görüşü üzerine geliştirildi.
• Bu yaklaşım, “bilimsel bir çalışmaya diğer makalelerden ne kadar çok atıfta bulunulursa o çalışma o kadar önemlidir” mantığına benzetilebilir.
• PageRank bugün tek başına kullanılmasa da Google’ın sorgular sonucunda kullandığı seçim ve sıralama sinyallerinde halen link analizi yer alıyor. Diğer bazı sinyaller;
• authority signals
• domain trust
• citation graph
• user behavior
• semantic relevance

Sayfa değeri

(PageRank)

• Google'ın sıralamada kullandığı algoritma, bir web sitesinin 0-10 arasındaki değerini göstermeye yarıyordu.
• Bu değer, genel olarak içeriğin özgünlüğüne, sayfaya verilmiş bağlantılara ve bağlantı veren sayfaların kalitesine bağlı olarak değişir.
• PageRank, değer olarak bir web sitesinin Google tarafından arama sonuçlarında sıralanmasını ve Google tarayıcısının (örümceğinin) siteyi kontrol etme sıklığını etkiler.

Sayfa değeri

(PageRank)

• PageRank'in ana fikri şu şekilde:
• Eğer bir A sayfası B sayfasının linkini yayımlamışsa bunun nedeni B sayfasının A sayfası ziyaretçileri tarafından dolaşılabilecek olarak düşünülmüş olmasıdır. Bu yapıya göre A sayfası B sayfasının sayfa değerini yükseltmiş olacaktır.
• A sayfası ne kadar yüksek sayfa değerine sahipse B sayfasının değeri de buna orantılı olarak artacaktır.
• A sayfasında ne kadar az dışarı link varsa, B sayfasının değeri o kadar yüksek olacaktır. Bu mantığa göre A sayfası sadece B sayfasını link verilecek değerde görmüşse, B sayfasının “PageRank”i çok daha fazla artacaktır.
• Bugün Google sıralaması artık tek bir algoritma değil, klasik bilgi erişim teknikleri, link analizi, davranışsal sinyaller ve yapay zekâ tabanlı anlamsal sıralama gibi farklı sinyallerin birleşiminden oluşuyor.

​

“PageRank ile birlikte bir link pazarı oluşmasından dolayı Google bu konuda kendini geri çekmiş ve 2014 yılında hiçbir PageRank güncellemesi gerçekleştirmemiştir. 6 Ekim 2014 tarihinde Google yetkilisi John Mueller tarafından; "Muhtemelen PageRank güncellemesi olmayacak’ şeklinde bir açıklama yapılmıştır .” (https://en.wikipedia.org/wiki/PageRank)

​

​

​

Okuyun:

“Google Ranking Algorithm Research Introduces TW-BERT”

https://www.searchenginejournal.com/google-term-weighting-bert/493331/

“”

“

“PageRank”ten “Neural ranking”e

https://www.searchenginejournal.com/google-algorithm-updates-for-user-experience-timeline/395070/?utm_source=chatgpt.com

2000'ler → Link ağırlıklı sıralama

(PageRank)

​

2010'lar → Learning to rank

(davranış + kalite sinyalleri)

​

2020'ler → Neural / semantic ranking

(BERT, embeddings, hybrid search)

​

2025+ → Retrieval + Generative AI

(answer engines, Retrieval-Augmented Generation - RAG)

Soru: Sizce kullanıcı davranışı mı, link otoritesi mi daha güçlü sinyal?

İnternette bilgi erişim bugün nasıl gerçekleşiyor?

• Günümüzde kullanılan arama motorları tek bir algoritma (örn. “PageRank”) yerine çok sayıda sinyalin birleşimi ile çalışıyor.
• Bu dönemki Bilgi Erişim dersinde gördüğümüz vektör uzayı modeli, olasılık modelleri, PageRank vb. uygulamalar ortadan kalkmadı; bugün bunlar çoğu sistemde hibrit biçimde bir arada çalışıyor.

​

Kullanıcı sorgusu

│

▼

Lexical retrieval

(anahtar sözcük eşleşmesi)

│

▼

Semantic retrieval

(anlam eşleşmesi / embedding)

│

▼

Authority signals

(kaynak güvenilirliği / link analizi)

│

▼

Behavior signals

(tıklama, kaydırma, yeniden sorgulama)

│

▼

AI tabanlı yeniden sıralama

(neural re-ranking)

│

▼

Sonuç listesi

Bilgi erişim modelleri bugün nasıl kullanılıyor?

​

​

Örnek:

Farklı bilgi sistemlerinde aynı sorgu

• Sorgu: “araştırma verilerinin yönetimi politikası”
• Klasik erişim anlayışı: Anahtar sözcük / dizin terimleri
• aynı terimleri içeren sonuçlar
• exact match odaklı
• Semantik arama: Aynı “anlama” gelen sonuçları da yakalar
• research data management
• RDM policy
• data governance framework
• Generative AI / answer engine / Retrieval Augmented Generation (RAG)
• kısa cevap
• kaynak özetleme
• doğrudan yanıt

<= Yani?

Kullanıcı artık yalnızca belge / sonuç listesi değil, cevap da bekliyor.

Okuyun:

Arama ve sıralama yöntemleri

• «Google wants to rank websites based on facts not links»
• “Knowledge-Based Trust score”
• «Arama algoritmaları nasıl çalışır»
• https://www.google.com/search/howsearchworks/algorithms/
• «Faydalı özellikler»
• https://www.google.com/search/howsearchworks/responses/

Okuyun-izleyin:

Life of a Google Query

• «How search works»
• https://www.google.com/search/howsearchworks/crawling-indexing/
• «Personal intelligence»
• https://blog.google/products-and-platforms/products/search/personal-intelligence-expansion/
• «Lens»
• https://search.google/ways-to-search/lens/

Önemli!=>

Google arama özellikleri

• “Google Arama'nın işleyiş şekliyle ilgili ayrıntılı kılavuz”
• https://developers.google.com/search/docs/fundamentals/how-search-works?hl=tr
• “Narrow your search results with filters”
• https://support.google.com/websearch/answer/142143?hl=en&ref_topic=3036305
• “Refine Google search” (Search operators)
• https://support.google.com/websearch/answer/2466433?hl=en
• “Google’s Search Quality Rater Guidelines (May 2019)” (BBY 156 dersinde dönem boyunca anlatılan birçok konunun gerçek hayattaki karşılığı bu rehberde):
• https://docs.house.gov/meetings/JU/JU05/20190716/109793/HHRG-116-JU05-20190716-SD007.pdf

Önemli!=>

Google arama özellikleri

• “Gerçek kişilerin Google Arama'yı nasıl daha iyi hale getirdiğini görün”

​

​

​

​

​

​

​

​

​

​

​

​

​

​

​

​

https://www.youtube.com/watch?time_continue=2&v=WbSouimbtjU&source_ve_path=Mjg2NjY&feature=emb_logo

Bilgi erişim sistemlerinde araştırma / yeni uygulama alanları:

Birleştirilmiş arama motorları (Meta / federated search engines)

• Kullanıcıyı birden fazla arama motorunda arama yapma külfetinden kurtarır.
• Kullanıcı farklı arama motorlarının birbirinden farklı sorgu dillerini öğrenmek zorunda kalmaz.
• Sistem, arama motorlarının en ilgili sonuçlarını kullanıcıya en üstte sunduğu için kullanıcının aradığını kolayca bulma olasılığı yükselebilir. (Meng, August 2009)
• Örnekler:
• https://en.wikipedia.org/wiki/List_of_search_engines#Metasearch_engines

​

31

Bilgi erişim sistemlerinde araştırma / yeni uygulama alanları:

Kişiselleştirilmiş arama (personalized search)

• Kullanıcının internetteki aktivitelerinin, bilgi tüketim alışkanlıklarının izlenerek kullanıcı hakkında edinilen verinin ve bilginin (signals) bilgi erişim sistemlerinde kullanılması ve kullanıcının bilgi ihtiyacı ile en “ilgili” sonuçlar getirilmesi olarak tanımlanır. (Pitkow, Schütze, Cass, Cooley, Turnbull, Edmonds, Adar, Breuel, 2002)
• Özel hayatın gizliliği ve kullanıcıların zamanla ilgi alanlarının değişmesi konularına dikkat edilmelidir.

32

Bilgi erişim sistemlerinde araştırma / yeni uygulama alanları:

Anlamsal arama (semantic search)

• Semantik arama bugün araştırma konusu olmanın ötesinde modern arama motorlarının temel bileşenidir
• Anlamsal aramada sorgu sözcüklerinin belgede bulunma sıklığı değil, kullanıcının gerçekte neyi aradığı ve web içeriklerinin konusu / anlamı önemlidir.
• Sorgu sözcükleriyle birlikte eş anlamlı sözcükler de aramaya dahil edilir.
• Sözcüklerin tüm varyasyonları aramaya dahil edilir: improve, improved, improvement
• Sadece anahtar sözcük değil konu ile ilgili diğer sözcüklerin de bilinmesi gerekir (ontological knowledge). Örn: üst solunum yolu enfeksiyonu =>(nezle, grip, sinüzit, faranjit)

​

33

Bilgi erişim sistemlerinde araştırma / yeni uygulama alanları:

Anlamsal arama (semantic search) ~Sorunlar

• Anlamsal arama için yapılması gereken ön çalışma (ontoloji oluşturma) çok uzun zaman almaktadır.
• Doğal dil sorgularını makinenin anlayabileceği ontolojik sorgulara dönüştürmek yapay zekâ ile çok yakın zamanda mümkün olmaya başladı.
• Web içeriğinde konunun ve anlamın bulunması da çözülmeyi bekleyen sorunlar arasındadır.
• Örnekler:
• https://en.https://en.wikipedia.org/wiki/List_of_search_engines#Semantic wikipedia.org/wiki/List_of_search_engines#Semantichttps://en.wikipedia.org/wiki/List_of_search_engines#Semantic

34

(McCoy, 2016)

Bilgi erişim sistemlerinde araştırma / yeni uygulama alanları:

Soru-yanıt sistemleri (question-answering systems)

• Kullanıcının sorduğu soruya cevap olarak bulduğu bilgileri toparlayıp tek bir sonuç olarak döndürür.
• Günümüz soru yanıtlama sistemleri "soru sınıflama" modülü ile sorunun ve cevabın türünü belirlerler.
• Soru analiz edildikten sonra sistem metinler üzerinde karmaşık doğal dil işleme tekniklerini çalıştırır.
• Bu sırada bir filtre, cevabın türüne göre paragraflar arasından cevabı bulur. Örneğin soruda "kim" sorusu soruluyorsa cevap bir özel isim olmalıdır.
• Örneğin; ask.com, answers.com …
• https://en.wikipedia.org/wiki/Question_answering#Progress

35

Bilgi erişim sistemlerinde araştırma / yeni uygulama alanları:

Generative AI

• Gemini (Google AI) => https://gemini.google.com/

​

• Chat gpt (open AI) => https://openai.com/blog/chatgpt

​

• DeepSeek (DeepSeek) => https://www.deepseek.com/en

​

• Claude (Anthropic) => https://claude.ai/

​

• Grok (xAI) => https://grok.com/

.

.

.

36

Bilgi erişim sistemlerinde araştırma / yeni uygulama alanları:

Bilgi çıkarımı (information extraction) / Text mining / Data Mining / ...

• Metin Madenciliği ve Uygulamaları - Gönenç Ercan
• https://www.youtube.com/watch?v=FjLOfHsowqU&list=PLthHqjInMjGETLxMrZtqGgvWs0W9gWzWM

​

​

37

Bilgi erişim sistemlerinde araştırma / yeni uygulama alanları:

Konu tespit ve takip sistemleri (topic detection and tracking)

• Haber yayınlarının izlenerek yeni / farklı bir haber olduğunda ilgililerin uyarılmasını sağlayan sistemlerdir.
• Dört ana modülden oluşur.
• “İlk Hikaye Algılama Modülü“ sisteme yeni bir hikaye ulaştığında bunun tartıştığı konu daha önceden tanımlanmış konularla ilgili değilse, yeni bir konu olduğunu belirler.
• "Küme Belirleme Modülü" gelen hikaye bir ilk hikaye değilse ilgili konu kümesine yerleştirir, eğer ilk hikaye ise bunun için yeni bir küme oluşturur.
• "Haber İzleme Modülü" haber kaynaklarından sisteme gelen haberleri değerlendirilerek, bu haberlerin daha önceden belirlenmiş olan konularla ilgili olup olmadıklarını araştırır.
• "Hikaye Bağlantı Algılama Modülü” ise sisteme ulaşan iki farklı hikayenin aynı konuyu tartışıp tartışmadıklarını anlamayı amaçlar.
• Konuyla ilgili bazı araştırma örnekleri için bkz.
• Türkçe Haber Benzerliklerinin Belirlenmesinde Varlık İsimlerinin Hikaye Bağlantı Algılama Görevinin Başarımına Etkisi
• Haber Metinlerinin Kategorizasyonunda Varlık İsimleri ve Konu Başlıkları İlişkisi
• Sınırlı Alanlarda Konu Tespit ve Takibi için Genişletilmiş Bir Mimari Yapı Önerisi

38

Bilgi erişim sistemlerinde araştırma / yeni uygulama alanları:

Kullanıcıyı tanıyan uygulamalar

• İzleyin: «Kullanıcı merkezli bilgi erişim» (Akademiden notlar, 13.05.2023)
• Ambiesense’ten bazı uygulama örnekleri
• Financial news on gold markets (https://www.youtube.com/watch?v=mrr_kXfiDSs)
• A new way to explore relevant photos (https://www.youtube.com/watch?v=6vaHeasAMWg)
• Ubiquitous Shopping and Personal Wardrobes (https://www.youtube.com/watch?v=QGpj6gGJ6T4)

​

​

39

Sonuç

• Mobil cihazların sabit ve dizüstü bilgisayarların yerine geçmesi internete erişimi kolaylaştırdı, içerik oluşturma daha da hızlandı.
• 4G ve 5G ile bant genişliklerinin 2-3 katına çıkması nedeniyle veri iletimi de hızlanıyor.
• Bu gelişmeler dünyada üretilen bilginin daha da hızla artmasına neden oluyor.
• Bilgi erişim sistemleri sadece metin değil aynı oranda ses, video, resim arama araçları haline dönüşüyor.
• Bu nedenlerle bilgi erişim sistemlerinin hem işi zorlaşıyor hem de ihtiyacın artmasıyla bu sistemler gün geçtikçe daha da önem kazanıyor.
• Doğru kaynağa en kısa zamanda ulaşabilmek için kullanıcıyı tanıyan, arama yaparken niyetini anlayan, web içeriğinin konusunu tespit edebilen akıllı sistemlere ihtiyaç giderek artıyor.

​

​

​

40

Okuma listesi

​

Tonta, Y. (1995). Bilgi erişim sistemleri.

Erbil, E ve Çolakkol, A. (2001). Internet’te bilgi arama stratejileri ve bilgiye erişim.

Olcay, N.E. (2003). Türkçe Internet tarama motoru kullanıcılarının arama stratejilerinin analizi: Arabul örneği.

Tunç, S.K. (2012). Bilgi erişim sistemleri.

Kesen S., Şenol C. ve Yanar Z. (2008). Google Scholar ve Scirus arama motorlarında Türkçe anahtar sözcüklerle yapılan aramalar üzerine bir değerlendirme.

Şencan, İ. (2014). Haber metinlerinin kategorizasyonunda varlık isimleri ve konu başlıkları ilişkisi.

Köse, G. (2014). Sınırlı alanlarda konu tespit ve takibi için genişletilmiş bir mimari yapı önerisi.

​

Diğer yardımcı kaynaklar:

Baeza-Yates, R. and Ribeiro-Neto, B. (1999). Modern Information Retrieval. (Tam metin)

Manning, C.D., Raghavan, P. and Schütze, H. (2009). Introduction to Information Retrieval. (Tam metin)

​

Bu derste kullanılan slaytların çoğunluğu

Bilgi erişim ilkeleri (Y. Tonta, 2002)

Bilgi erişim (G. Köse, 2012)

derslerine ait slaytlardan ve

Sevgi Koyuncu Tunç’un “Bilgi Erişim Sistemleri” başlıklı yayımlanmamış çalışmasından derlenmiştir.