Mantıksal bilgi erişim sistemleri

Mantıksal Bilgi Erişim Sistemleri (İngilizce: Boolean Information Retrieval, kısaca BIR), bilgi erişim sistemlerinde kullanılan klasik bir modeldir. Bu modelde, belgeler ile kullanıcı sorguları arasında eşleşme, mantıksal operatörler (AND, OR, NOT) kullanılarak belirlenir. Belgeler yalnızca sorguya tam olarak uyup uymadığına göre değerlendirilir; bu da modelin kesinlik temelli (binary relevance) bir yaklaşım benimsemesine yol açar.

Tarihçe ve gelişim

Mantıksal bilgi erişim modeli, 1950'li ve 1960'lı yıllarda bilgi erişim sistemlerinin ilk nesilleri ile birlikte geliştirilmiştir. Modelin temelini, 19. yüzyılda George Boole tarafından geliştirilen Boole cebiri oluşturur. Bilgi erişiminin bu erken modeli, özellikle doküman sınıflandırma ve sorgu işleme konularında bilgisayar destekli sistemlerde yaygın olarak benimsenmiştir.

Matematiksel temeller

Mantıksal bilgi erişim modelinde, her belge bir terim kümesi olarak temsil edilir. Aynı şekilde sorgular da terimlerin birleşimi şeklinde tanımlanır.

• Belge koleksiyonu: D = {d₁, d₂, ..., dₙ}
• Terim kümesi (sözlük): T = {t₁, t₂, ..., tₘ}
• Her belge ikili (binary) vektörlerle gösterilir: dᵢ ∈ {0,1}^m
• Her terim için:
  • xᵢⱼ = 1 → belge dᵢ terim tⱼ’yi içeriyor
  • xᵢⱼ = 0 → belge dᵢ terim tⱼ’yi içermiyor

Kullanılabilecek işleçler

AND (VE):

Her iki terimi de içeren belgeleri getirir.

Örnek: “kanser AND mamografi”

OR (VEYA):

Her iki terimden en az birini içeren belgeleri getirir.

Örnek: “kanser OR mamografi”

NOT (DEĞİL):

Belirtilen terimi içermeyen belgeleri getirir.

Örnek: “kanser AND NOT iyi huylu”

Uygulama alanları

1. Tıbbi Bilgi Sistemleri

Mantıksal bilgi erişim sistemleri özellikle tıbbi belgelerde yapılan bilgi aramalarında etkin biçimde kullanılmaktadır. Bu alanda en yaygın kullanım örneklerinden biri mamografi raporları üzerinde yapılan sorgulardır. Belirli bir tanıya, bulguya veya sınıflandırmaya göre filtreleme yapılması, klinik karar destek sistemlerinde zaman ve kaynak tasarrufu sağlar.

Örnek uygulama:

• Sorgu: "BIRADS AND malign NOT benign"
• Amaç: BIRADS sınıflandırması yapılmış, malign bulgu içeren fakat benign ifadeler bulunmayan raporların filtrelenmesi.

Geliştirilen sistemlerde, doktorlar hastaların geçmiş raporlarına hızla ulaşabilmekte ve bu sayede benzer vakalar üzerinden karşılaştırmalı değerlendirme yapabilmektedir. Özellikle çok sayıda belge içeren arşivlerde (örneğin 50.000 raporluk veri kümeleri), sistemin geri dönük analiz yeteneği kritik öneme sahiptir.

2. Adli Bilişim ve Siber Güvenlik

Siber suçların incelenmesinde, dijital delillerin toplanmasında ve mantıksal bilgi erişim modelleri güçlü bir filtreleme aracı olarak kullanılır. E-posta içeriklerinin, sohbet kayıtlarının veya dosya isimlerinin incelenmesi sırasında belirli anahtar kelime yapılarının mantıksal operatörlerle birleştirilmesi sayesinde doğrudan ilgili içeriklere ulaşmak mümkündür.

Örnek uygulama:

• Sorgu: "fraud AND bitcoin NOT testnet"
• Amaç: Dolandırıcılık içeren ve kripto para geçen, ancak test ortamına ait olmayan belgeleri bulmak.

Bu kullanım, zamana karşı yarışılan olay yeri incelemelerinde araştırmacılara hız ve doğruluk kazandırır. Ayrıca, filtreleme sonuçlarının hukuki geçerliliği açısından da sistematik ve tekrarlanabilir olması büyük avantaj sağlar.

Avantajlar

• Yüksek özgüllük: Mantıksal yapı sayesinde sadece tam eşleşen belgeler döndürülür.
• Hızlı ön eleme: Özellikle büyük arşivlerde, ilgi dışı belgeler hızlıca elenir.
• Düşük kaynak tüketimi: Gelişmiş vektör analizlerine kıyasla daha az işlem gücü gerektirir.
• Alan bağımsızlığı: Tıp, hukuk, güvenlik, eğitim gibi farklı alanlarda uygulanabilir.

Sınırlılıklar

• Derecelendirme yapılamaz: Belgeler “uygun” ya da “değil” olarak sınıflandırılır, benzerlik oranı sunulmaz.
• Katı eşleşme: Sorguya kısmen uyan belgeler göz ardı edilir, bu da geri çağırmayı (recall) düşürebilir.
• Sorgu karmaşıklığı: Çok sayıda işlemci içeren sorgular ortalama kullanıcı için karmaşık hale gelebilir.
• Doğal dil desteği zayıftır: Eş anlamlılar, bağlam ve imla hataları sistem performansını etkileyebilir.

Veri yapıları ve algoritmalar

Salt biçimsel matematiksel bakış açısından, Mantıksal Bilgi Erişim Sistemi (BIR) oldukça açıktır. Ancak pratik açıdan bakıldığında, algoritmalar ve veri yapılarıyla ilgili birkaç başka problemin çözülmesi gerekir. Örneğin, terimlerin seçimi (manuel veya otomatik ya da her ikisi), kök bulma, hash tabloları, ters dizin yapısı vb. gibi konular buna dahildir.

Hash Setler

Bir diğer olasılık da hash setlerin kullanılmasıdır. Her belge, o belgede yer alan her bir terimi içeren bir hash tablosuyla temsil edilir. Hash tablo boyutu, terimlerin eklenip çıkarılmasıyla gerçek zamanlı olarak artar ya da azalır, böylece her belge bellekte çok daha az yer kaplar. Ancak, işlemler bit vektörlerine kıyasla daha karmaşık olduğundan performans açısından yavaşlama olur. En kötü durumda performans O(n) seviyesinden O(n²)’ye düşebilir. Ortalama durumda ise, performans kaybı bit vektörlerinden çok daha kötü olmayacak ve alan kullanımı çok daha verimli olacaktır.

İmza Dosyası

Her belge, o belgede yer alan kelimeler kümesini temsil eden ve sabit uzunlukta bir bit dizisinde (signature) depolanan bir Bloom filtresiyle özetlenebilir. İmza dosyası, koleksiyondaki her belge için böyle bir üst üste bindirilmiş kod bit dizisini içerir. Her sorgu da aynı sabit uzunlukta bir bit dizisinde depolanan Bloom filtresiyle özetlenebilir. Sorgu bit dizisi her bir imzaya karşı test edilir.

İmza dosyası yaklaşımı BitFunnel’da kullanılmaktadır.

Ters Dizin Dosyası

Bir ters dizin dosyası iki bölümden oluşur: koleksiyonda kullanılan tüm terimleri içeren bir sözlük ve her bir farklı terim için, o terimi içeren her belgeyi listeleyen bir ters dizin.