E-DEVLET İÇİN ANLAMSAL BİLGİNİN BİRLEŞTİRİLMESİ VE SIRALANMASI: VATANDAŞ ŞİKAYETLERİ YÖNETİM SİSTEMİ

Transkript

1 E-DEVLET İÇİN ANLAMSAL BİLGİNİN BİRLEŞTİRİLMESİ VE SIRALANMASI: VATANDAŞ ŞİKAYETLERİ YÖNETİM SİSTEMİ by Hande Zırtıloğlu BS, in Computer Engineering, İstanbul Kültür University, 2004 Submitted to the Institute for Graduate Studies in Science and Engineering in partial fulfillment of the requirements for the degree of Master of Science Graduate Program in Computer Engineering Boğaziçi University 2008

2 E-DEVLET İÇİN ANLAMSAL BİLGİNİN BİRLEŞTİRİLMESİ VE SIRALANMASI: VATANDAŞ ŞİKAYETLERİ YÖNETİM SİSTEMİ APPROVED BY: Assist. Prof. Pınar Yolum Birbil... (Thesis Supervisor) Dr. Suzan Üsküdarlı... Assist. Prof. Şule Gündüz Öğüdücü... DATE OF APPROVAL:

3 Sevgili aileme...

4 iv TEŞEKKÜRLER Öncelikli olarak, tez danışmanım Yrd. Doç. Dr. Pınar Yolum Birbil e tez çalışmam boyunca göstermiş olduğu destek ve ilgi için teşekkür etmek istiyorum. Kendisi, şimdiye kadar tanımış olduğum en iyi akademisyenlerden ve mükemmel derecede öğretme yetisine sahip, dinamik ve yaptığı her işte elinden geleni hakkıyla ortaya koymasını bilen eğitmenlerden biri. Ayrıca, tez jürim Dr. Suzan Üsküdarlı ve Yrd. Doç. Dr. Şule Gündüz Öğüdücü ye yapmış oldukları yorumlar için teşekkür ediyorum. İkinci olarak, canım aileme; sevgili babam ve aynı zamanda en iyi arkadaşım, Mehmet Ömür Zırtıloğlu na, sevgili annem Sevim Zırtıloğlu na ve sevgili abim Yiğit Zırtıloğlu na hayatım boyunca bana karşı göstermiş oldukları şefkat, ilgi ve destek için çok teşekkür ediyorum. Onları çok seviyorum ve daha nice mutlu ve sağlıklı yılları beraber geçirebilmeyi diliyorum. Aynı zamanda, yüksek lisans programında tanışmış olduğum Bayram Kurumahmut a teşekkür etmek istiyorum. Kendisinin hayatımda çok değerli bir yeri var ve onu tanımaktan dolayı çok mutluyum. Son olarak, Roman Schindlauer e dlvhex ve yanıt kümesi programlama konularındaki değerli görüşmeler için teşekkür ediyorum. Tez çalışmam sırasında, dlvhex kullanırken karşılaşmış olduğum çeşitli hatalar konusunda kendisinin çok büyük yardımları oldu. Kibarlığı ve ilgisi için kendisine minnettarım. Ayrıca, bana RacerPro programının kullanımı için lisans sağlayan Racer takımına ve Kay Hidde ye teşekkür etmek istiyorum. Tez çalışmam sırasında yapmış olduğumuz yazışmalar ve elektronik postalar için; Axel Polleres, Michael Kifer, Wolfgang May, Mustafa Jarrar, Albert Rainer, Thomas Krennwallner ve Giovambattista Ianni ye, aynı zamanda sevgili arkadaşlarım Reyhan Aydoğan, Esma Kılıç ve Attila Yavuz a da teşekkür etmek istiyorum. Ek olarak, bu tez çalışması, Istanbul Büyükşehir Belediyesi tarafından, Projem İstanbul Akademik Araştırma Destekleri kapsamında desteklenmeye aday kabul edilmiştir.

5 v ÖZET E-DEVLET İÇİN ANLAMSAL BİLGİNİN BİRLEŞTİRİLMESİ VE SIRALANMASI: VATANDAŞ ŞİKAYETLERİ YÖNETİM SİSTEMİ Şikayet yönetimi E-devlet alanında önemli bir uygulamadır. Vatandaşların şikayetlerinin toplanması, birleştirilmesi ve sıralanması etkili bir yönetim için gereklidir. Mevcut şikayet yönetim uygulamalarında, yapılan her şikayetin, hükümet tarafındaki yetkililerce, teker teker ele alınıp, incelenerek, hangi şikayetin daha önce işlenmesi gerektiğine karar vermesi beklenir. Fakat, bu zaman harcayıcı ve de dolayısıyla verimsiz bir yöntemdir. Bu durumla başa çıkabilmek için, bu çalışmada, şikayetlerin yönetilebileceği ontoloji tabanlı bir şikayet yönetim sistemi geliştirilmiştir. Vatandaşların şikayetlerinin ifade edilebilmesi için şikayetler üzerine bir ontoloji yaratılmıştır. Ek olarak, birtakım kriterlere göre, şikayetler arasında varolabilecek benzerliklerin belirlenerek bu şikayetlerin birleştirilmesi üzerine çalışılmıştır. Şikayetler üzerinde belirlenebilecek kısıtlarla, hükümet yetkililerinin hangi şikayetlerin diğerlerinden daha önemli ve öncelikli olduğu konusunda karar vermelerine olanak sağlanmıştır. Bu kısıtlar, vatandaş şikayetleri ü- zerinde, bir usavurucu yardımıyla uygulanmaktadır. Bu işlem, şikayetler arasındaki önceliklerin otomatik olarak belirlenmesine ve önem sırasına göre sıralanmasına izin vermektedir. Daha sonrasında ise, hükümet yetkilileri bu sıralanmış listeyi rahatlıkla işleme tabii tutabilecektir, zira ne zaman olursa olsun, daha öncelikli ve acil olan şikayetle ilgilendiklerini bileceklerdir.

6 vi ABSTRACT COMBINING AND RANKING SEMANTIC INFORMATION FOR E-GOVERNMENT: A CITIZEN COMPLAINTS MANAGEMENT SYSTEM Complaints management is an important application of E-government. Collecting, combining, and ranking citizens complaints is necessary for effective management. Existing complaints management applications expect the government officials to process each complaint one by one to decide which complaint should be dealt with first. However, this is time consuming and thus ineffective. In order to cope with this, we are developing an ontology-based complaints management system to manage complaints. We have developed a complaints ontology with which the complaints of the citizens can be expressed. Furthermore, we combine complaints that are similar based on some criterion. By specifying constraints on the complaints, the officials can specify which type of complaints are more important than others. We then apply these constraints on the citizens complaints using a reasoner. This allows us to prioritize the complaints automatically and rank them based on importance. The government officials can then process the ranked list, knowing that they are dealing with the most urgent complaint at any given time.

7 vii İÇİNDEKİLER TEŞEKKÜRLER... iv ÖZET... v ABSTRACT... vi FİGÜRLER LİSTESİ... x TABLOLAR LİSTESİ... xiv SEMBOLLER/KISALTMALAR LİSTESİ... xv 1. ÖNSÖZ TEMEL TEKNİK BİLGİLER Semantic Örün Dilleri Kaynak Tanımlama Çatısı (Resource Description Framework) Örün Ontoloji Dili (Web Ontology Language) SemantikÖrüniçinUsavurum Monoton Olmayan Usavurum (Non-monotonic Reasoning) Yanıt Kümesi Programlama ile Usavurum VATANDAŞ ŞİKAYETLERİ YÖNETİMİ Mimari Şikayet Ontolojisi Taksonomi/Hiyerarşi Sınıflar ve Özellikleri Şikayetler Üzerinden Usavurum yapabilmek için Yanıt Kümesi Programlama VEYA İşlemli Datalog (DLV, Datalog with Disjunction) Disjunctive Datalog Program Bileşenleri Disjunctive Datalog Örneği: DLV Kullanan bir ASP Örneği SIRALAMA Yanıt Kümesi Programlama Kurallarını ve Şikayet Ontolojisini Birleştirme Anlamsal Bilginin Sıralanması BİRLEŞTİRME TamEşleşme... 38

8 viii 5.2. Benzer Eşleşme Plug-in Eşleşme SebepveSonuçEşleşmeleri SebeplereDayanarak SonuçlaraDayanarak Subsumption Eşleme Kesişim Eşleşme GERÇEKLEŞTİRİM Gereksinimler UML Use-CaseDiyagramları Class Diyagramları SequenceDiyagramları FizikselYapı Sunucu Yazılım Geliştirme Ortamı Kullanılan Teknolojiler ve Araçlar Geliştirilen OWL Ontolojisi KullanıcıArayüzüHakkında DEĞERLENDİRME SENARYOLARI BirleştirmeSenaryoları Birleştirme Senaryosu 1: Tam-Eşleşme Şikayetleri BirleştirmeSenaryosu2:BenzerŞikayetler Birleştirme Senaryosu 3: Sebeplere Dayanarak Eşleşme Birleştirme Senaryosu 4: Subsumption Eşleşme Şikayetler Birleştirme Senaryosu 5: Kesişim Eşleşme Şikayetleri Sıralama Senaryoları Sıralama Senaryosu 1: Daha Spesifik bir Kategori Altında SıralamaSenaryosu2:ŞikayetlerinElenmesi Sıralama Senaryosu 3: Daha Genel Bir Kategori Altında Sıralama Senaryosu 4: Tüm Kategoriler Arasında Sıralama Senaryosu 5: Birleştirilmiş Şikayetlerin Sıralanması.. 73

9 ix 8. TARTIŞMA İlişkili Çalışmalar Gelecek Çalışmalar EK A: Örnek 4.1 de kullanılan OWL Dosyasının Bir Bölümü EK B: Bazı dlvhex Kullanım Opsiyonları EK C: JNLP Tarayıcı Yapılandırmaları EK D: VŞYS de Kullanılan Ana OWL Ontoloji Dosyası EK E: Senaryo de Kullanılan Örneklemeler (Instances) EK F: Senaryo te Kullanılan Örneklemeler EK G: Senaryo7.2.4 te Kullanılan Örneklemeler EK H: Senaryo7.2.5 te Kullanılan Örneklemeler EK I: VŞYS Ekran Görünümleri REFERANSLAR

10 x FİGÜRLER LİSTESİ Figür2.1. SemantikÖrünKatmanKalıbı[1]... 6 Figür 2.2. Ontoloji Tayfı: zayıftan güçlü semantiğe doğru [2] Figür 2.3. Bir gürültü kirliliği şikayeti Figür2.4. ÖrnekbirRDF/XMLbelgesi Figür 2.5. Figür 2.4 teki veri modeli ile ilintili üçlüler Figür 2.6. Figür 2.4 ile ilintili veri modelinin grafiği Figür2.7. ÖrnekbirRDF/XMLşemabelgesi Figür 2.8. Figür 2.7 ile ilişkili veri modelinin üçlemeleri Figür 2.9. Figür 2.7 ile ilişkili veri modelinin grafiği Figür ASP de problem kodlamayı gösteren şema [3] Figür 3.1. Güncel sistem mimarisi Figür3.2. Birköpek-havlamasışikayeti Figür3.3. DLVkullananbirASPörneği Figür3.4. Figür3.3 deverilenörneğinçıktısı Figür 3.5. Figür 3.3 deki örneğe zayıf kısıtlamaların eklenmesi

11 xi Figür 3.6. Zayıf kısıtlamalar sonrası çıktı Figür4.1. ŞikayetOntolojisiveASPkuralları Figür4.2. Figür4.1 dekiprogramınçıktısı Figür 4.3. Figür 4.1 deki programa bir bütünlük kısıtlamasının eklenmesi.. 35 Figür 4.4. Bütünlük kısıtlaması eklendikten sonra ortaya çıkan yanıt kümeleri 35 Figür4.5. Şikayetlerinönceliksıralaması Figür 5.1. Şikayet ontolojindeki bir eşdeğer (equivalent) sınıf örneği Figür 5.2. Şikayet ontolojindeki bir kesişen (intersection) sınıf örneği Figür 5.3. Şikayetlerle ilgili kavramların basit bir hiyerarşisi Figür 5.4. Mizaçta benzer fakat farklı alt kategorilere ait olan iki şikayet Figür 6.1. Şikayet Yönetim Sistemi Ana Use-Case Diyagramı Figür6.2. ŞikayetGirUse-CaseSpesifikasyonu Figür 6.3. Şikayet Yönetim Sistemi nin ana class diyagramının bir bölümü.. 50 Figür 6.4. Sikayet Yönetim Sistemi Java Network Launching Protocol Detayları 56 Figür 6.5. Şikayet Yönetim Sistemi Java Web Start Penceresi Figür 6.6. Şikayet Yönetim Sistemi Ana Hiyerarşisi

12 xii Figür 6.7. Şikayet Girişi Formu, bütün alt kategoriler listelenmiş Figür7.1. Şikayetkategorisibelirlendiktensonra Figür 7.2. Girilmiş şikayet özellikleri Figür7.3. Eklenenşikayetörneklemesi Figür 7.4. ozlsayı değerinin arttırılmış hali Figür7.5. SıralamaSenaryosu Figür7.6. SıralamaSenaryosu1 inçıktısı Figür 7.7. Sıralama Senaryosu 1 e Bütünlük Kurallarının Eklenmesi Figür 7.8. Programa bütünlük kuralları eklendikten sonra alınan çıktı Figür7.9. SıralamaSenaryosu Figür7.10. SıralamaSenaryosu3 ünçıktısı Figür Sıralama Senaryosu Figür7.12. SıralamaSenaryosu4 ünçıktısı Figür7.13. SıralamaSenaryosu5 inilkbölümü Figür7.14. SıralamaSenaryosu5 inikincibölümü Figür Senaryo 5 teki birleştirilmiş şikayetleri sıralamak için kullanılan kod parçası... 83

13 xiii Figür7.16. SıralamaSenaryosu5 inçıktısı FigürB.1. BazıdlvhexKullanımOpsiyonları Figür C.1. JNLP yi etkinleştirebilmek için Opera örün tarayıcısı yapılandırması 95 Figür C.2. JNLP yi etkinleştirebilmek için Mozilla örün tarayıcısı yapılandırması 95 Figür C.3..jnlp Dosyaları javaws.exe ile bağdaştırabilmek için Windows yapılandırması FigürI.1. (a)girişekranı,(b)idarimemurgirişi FigürI.2. VatandaşAnaMenüsü,(b)İdariMemurAnaMenüsü Figür I.3. (a)şikayet Girişi Formu, (b) VatandasNo Kontrolü FigürI.4. GenelŞikayetKategorileri Figür I.5. (a)ilk Alt-Kategori, Aktive Edilmis, (b)ilk Alt-Kategori, Listelenmiş 137 Figür I.6. (a)ikinci Alt-Kategori, Aktive Edilmis, (b)ikinci Alt-Kategori, Listelenmiş Figür I.7. (a)üçüncü Alt-Kategori, Aktive Edilmis, (b)üçüncü Alt-Kategori, Listelenmiş Figür I.8. (a)dördüncü Alt-Kategori, Aktive Edilmis, (b)dördüncü Alt-Kategori, Listelenmiş Figür I.9. Şikayet Özellikleri Penceresi

14 xiv TABLOLAR LİSTESİ Tablo 7.1. Senaryo için Adım Adım Sıralama Tablo 7.2. Senaryo için Adım Adım Sıralama Tablo 7.3. Senaryo için Adım Adım Sıralama

15 xv SEMBOLLER/KISALTMALAR LİSTESİ AI API ASP ASSAT CCMS DAML DL DLV dlvhex EER ER FOL HITS IC ID IDE IRI JNLP JRE JVM JWS LOC MIME ML NAF NLP-DL NoMoRe OIL Artificial Intelligence Application Programming Interface Answer Set Programming Answer Sets by SAT (satisfiability) Solvers Citizen Complaints Management System DARPA Agent Markup Language Description Logic Datalog with Disjunction DLV with HEX-programs Extended Entity Relationship Entity Relationship First Order Logic Hypertext Induced Topic Selection Intermediate Code Identification Integrated Development Environment Internationalized Resource Identifiers Java Network Launching Protocol Java Runtime Environment Java Virtual Machine Java Web Start Lines of Code Multipurpose Internet Mail Extensions Modal Logic Negation as Failure Coupling Nonmonotonic Logic Programs with Description Logics A System for Non-Monotonic Reasoning Ontology Inference Layer

16 xvi OO OWL RDF RDFS RIF RMI RuleML SDK SPARQL SWRL UML URI URL VŞYS W3C WSDL XML XTM Object Oriented Web Ontology Language Resource Description Framework Resource Description Framework Schema Rule Interchange Format Remote Method Invocation Rule Markup Language Software Development Kit Simple Protocol and RDF Query Language Semantic Web Rule Language Unified Modeling Language Universal Identification Uniform Resource Locator Vatandaş Şikayetleri Yönetim Sistemi World Wide Web Consortium Web Services Description Language extensible Markup Language XML Topic Maps

17 1 1. ÖNSÖZ Internet, geniş alan ağları, ve taşınabilir bilgisayarlar gibi bilgi teknolojilerindeki hızlı gelişme ile, Internet teknolojilerinin, hükümetler ve vatandaşlar arasında bilgi alışverişinde kullanılması ihtiyacı günden güne ortaya çıkmaktadır. Bu ihtiyaç da, devlete ait servislerin modern teknolojiler kullanılarak verildiği, E-devlet" olarak isimlendirilen yeni bir alanın oluşmasına yol açmıştır [4]. Günlük hayatta, devletin sağladığı hizmetlere yönelik, vatandaş şikayetlerine yol açabilecek birçok özel durum veya aksaklıkla karşı karşıya kalınabilir. Örneğin, trafik ile ilgili şikayetler, kalabalık şehirlerde oldukça yaygın ve aynı zamanda önemli bir orana sahiptir. Her vatandaşın, şikayette bulunabilmesi için mutlak hakları vardır ve devletlerin politikalarında, yapılan bütün bu şikayetlerin toplanması ve bu bilgiyi elde ettikten sonra gereken hassasiyet ve sorumluluk içerisinde işlemlere devam edilmesi önemlidir. Genelde, vatandaş şikayetleri, bizzat bireysel başvuruyla, telefonla, posta yoluyla, isimsiz olarak veya üçüncü şahıslar tarafından iletilir. Bu gibi yöntemler, her ne kadar şikayetlerin bildirilmesinde yararlı bazı roller de oynasalar, vatandaşlar için takipleri ve konuyla ilgilenen memurlar için de, hangi şikayet veya şikayetlerle daha öncelikli ve acil olarak ilgilenilmesi gerektiği konusunda karar vermeleri güç olmaktadır. Bu gibi yöntemlerde, şikayeti yapan ve şikayetle ilgilenen birim arasında bir boşluk oluşmaktadır. Başka şekilde ifade edilecek olursa, bir vatandaş belirli bir problemi hakkında telefon vasıtasıyla şikayette bulunuyorsa, şikayetinin ele alınıp alınmadığı, giderilip giderilmediği, nasıl çözüldüğü gibi konularda bilgi alabilmek için, telefon etmeye devam edecektir. Açıkçası bu arzu edilen bir işleyiş olmamaktadır. İdeal olarak, devletin, vatandaşlara şikayetlerini bildirip, takip edebilecekleri çevrimiçi (online) hizmetler sunması gerekmektedir. Bu nedenle, oluşabilecek aksaklıkları ve vatandaş-devlet arasındaki boşlukları giderebilmek için, otomatikleştirilmiş akıllı sistemler geliştirilmelidir. Bu tarz bir sistemin yardımıyla, bilginin akışı kolaylıkla kontrol edilebilir ve daha acil ve hayati olarak gözüken şikayetlere öncelik verilmesi sağlanabilecektir.

18 2 Vatandaşlar için, şikayetlerini bildirmek ve izlemek ne kadar önem taşıyorsa, hükümet tarafında da, bildirilen bu şikayetlerin ele alınması azami derecede önem taşımaktadır. Örneğin, eğer çeşitli şikayetler varsa, hükümet tarafında öncelikli olarak en yüksek öneme sahip şikayet belirlenip, ilgilenilmelidir. Benzer şekilde, şehirdeki bir problem konusunda, birçok vatandaş şikayette bulunuyorsa, hükümet tarafının ne kadar önemsiz ya da ufak da gözükse, şikayet yaygın olduğu için, diğer şikayetlerden evvel bu tarz şikayetleri ele alması uygun olacaktır. Dolayısıyla, hükümet tarafının, iletilen şikayetleri etkin olarak sıralaması ve benzer olanları birleştirmesi gerekmektedir. Şikayetlerin sıklıkla yapıldığı bir ortamda, gelen şikayetleri sıralamak için insan kullanımı gayet külfetli bir iştir. İlk olarak, gelen bu şikayetleri anlamlı olarak bile sınıflandırmak, türlerine ayırmak, çok fazla emek ve çaba gerektirecektir. İkinci olarak, şikayetler kümesi dinamik olarak değişebilir, ki bu da ilgili memurların çabalarını harcamalarına yol açacaktır. Bunların yerine, gelen şikayetlerin anlam kazandırılması ve sıralanması işlemi otomasyon uygulanarak çözülmelidir. Bu bağlamda, bu tez çalışması, vatandaş şikayetlerinin otomatik olarak yönetimi ve sıralanması konusunda bir Vatandaş Şikayetleri Yönetim Sistemi geliştirmektedir. Bu sistem, iyi tanımlı arayüzler eşliğinde vatandaşlara şikayetlerini girebilmeleri için olanak vermektedir. Gelen şikayetler, sistem tarafından toplanır, önem ve önceliklerine göre bir sıralama mekanizması kullanılarak otomatik olarak sıralanır. Daha sonra, bu sıralamalar kullanılarak hangi şikayetin öncelikli olarak ele alınması gerektiği konusunda, bu sistem hükümet tarafındaki yetkililerce kullanılabilir. Önermiş olduğumuz sistemde, şikayetler bir ontoloji (ontology) kullanılarak gösteriliyor. Şikayetlerin anlamsallığını (semantikliğini) tasvir ederek, bu şikayetlerin yapısı, kaynağı, önemi ve bunun gibi konularda çıkarımlara varabilmemiz mümkün. Bu tarz bir yönetim sisteminin şikayetleri işleyip, sıralayabilmesi için, sistemin şikayetleri betimleyip, onlar üzerinden özlü çıkarımlar yapması gerekir. Ancak, şikayetlerin doğası söz konusu olduğunda; değişken koşullar, tutarsızlıklar ve belirsizlikler durumunda bilgiyi tasvir etmek oldukça güçtür [5]. Daha belirgin bir biçimde belirtmek gerekirse, şikayetler dinamiktir ve bu dinamiklik sadece monotonluk (monotonicity) kullanılarak

19 3 ifade edilemez. Örneğin, belirli bir şikayet, sistemde en önemli şikayet olarak belirlendikten sonra, yeni bir şikayet sisteme gelerek, önceden belirlenen en önemli şikayetin yer önceliğini alabilir. Bu yüzden, şikayetlerin monoton olmayan (non-monotonic) durumlarda da ele alınıp, üzerlerinde muhakeme yapılması sağlanabilmeli. Bu çalışmada, usa vurum motoru (reasoning engine) olarak, dlvhex i [6] kullanıyoruz. dlvhex ünlü yanıt-kümesi programlama motorlarından (answer-set programming engine) dlv nin [7] monoton olmayan (non-monotonicity) durumları da ele alabildiği bir uzantısıdır. Bu mekanizmayla, değişik özelliklere sahip kısıtlamalar (constraints) kullanarak, aslında değişik önem seviyeleri yaratabileceğimizi ve bu özelliklere dayanarak gelen şikayetleri sıralayabileceğimizi gösteriyoruz. Bu tezin temel katkıları şunlardır: Ontoloji: Bu tarz bir sistemde, bilginin girilebilmesi için en göze çarpan yöntem doğal dil kullanımıdır. Fakat, doğal dilin işlenmesi kolay değildir, zira yalın bir yazıdan anlamsal bilginin çıkarılması işlemi zordur. Bu nedenle, ontolojilere dayalı yapısal bilginin kullanılmasını ileri sürüyoruz. Ontoloji kullanımıyla, ele aldığımız alan ile ilgili (vatandaş şikayetleri) ortak bir sözcük dağarcığı sağlayabiliriz. Böylece, şikayet sahibi, vatandaş ve hükümet tarafınca da ortak olan bu ontoloji yardımıyla şikayetlerini rahatlıkla girebilecektir. Bu ontoloji, vatandaşların bakış açısıyla, şikayetleri ifade edebilmek için bir yapı sağlayacaktır. Örnek verilecek olursa, ontolojiye bağlı örün (Web) formları kullanarak, vatandaşlar rahatlıkla şikayetlerini açıkça belirtebileceklerdir. Öte yandan, oluşturulan sistemin bakış açısıyla, ontoloji kullanarak şikayetlere ait semantik bilginin gösterilmesi, şikayetler üzerinden çıkarımlar yapabilmeye olanak sağlayacaktır, ki bu bizim çalışmamızda şikayetlere sıralama verebilmek için çok önemli bir noktadır. Ayrıca, tasarlanan bu ontolojiyle, şikayet sahibi sadece şikayetini kolaylıkla iletebilme şansına sahip olmayacak, aynı zamanda şikayetine anlam kazandıracak içerik (context) ekleme yetisine sahip olacaktır. Sıralama: Şikayetlerin giderilebilmesi için, şikayetleri önceliklerine göre sırala-

20 4 mak, hükümet tarafınca zamanında ve doğru eylemler alınabilmesi için yardımcı olacaktır. Bu tezin bir diğer önemli katkısı da, şikayetlerin önceliklerine göre nasıl sıralanabileceğini göstermesidir. Örnek verilecek olursa, çeşitli kişiler tarafından benzer şikayetler girilebilir; mesela anayolda bir çukur var", ama daha acil ve hayati önem taşıyan, fakat bir önceki şikayetle karşılaştırıldığında şikayet girişi az olan bir başka şikayet daha olabilir; mesela anayolda toprak kayması var". Böylesi bir durumda, sıralama mekanizması önceliği hayati olan duruma, yani ikinci örneğe vermelidir. Ne var ki, bizimki gibi bir sıralama söz konusuysa, Google ın PageRank i gibi [8] bazı çok iyi bilinen methodlar uygun olmayacaktır, bu konu ayrıca Bölüm 8 de tartışılmaktadır. Bu tarz methodların yanısıra, Semantik-anlamsal Sıralama (Semantic Ranking) olarak adlandırılan yeni bir sıralama mekanizması yakın zamanda ortaya çıktı [9]. Semantik sıralamada başlıca fikir, bilginin semantik içeriğine, anlamına göre sıralanmasıdır. Bu tezde de, bu tarz bir sıralama mekanizması geliştirilmiş ve kullanılmıştır. Birleştirme: Şikayetlerin sisteme girilmesiyle birlikte, daha önceden sisteme girilmiş olan şikayetlerle benzerlik gösterenleri tespit etmek amacıyla, şikayetler otomatik olarak taranmalıdır. Bunun için, belirli bazı kriterlere dayanarak benzer görülen şikayetleri birleştiren bir mekanizma öneriyoruz. Burada, önemli araştırma katkılarından biri; önerdiğimiz ontolojinin değişik seviyelerindeki bilginin nasıl birleştirileceği konusudur. Tezin Organizasyonu. Tezin geri kalan kısmının organizasyonu aşağıdaki gibidir: Bölüm 2 bu tezi sunabilmek için gerekli olan temel teknik konular hakkında bilgi vermektedir. Bölüm 3, önerilen Vatandaş Şikayetleri Yönetim Sistemi ni, VŞYS, (Citizen Complaints Management System (CCMS)), sistemi gereçekleştirmek için tasarlanmış olan ontoloji üzerinde odaklanarak detaylı bir şekilde anlatmaktadır. Bu bölüm aynı zamanda yanıt kümesi programlama (answer set programming) konusunda bilgi

21 5 vermektedir ve bu yöntemin şikayetler üzerinden çıkarımlar yapma konusunda nasıl kullanılabileceği konusuna değinilmektedir. Bölüm 4, yanıt kümesi programlamanın şikayetlerin sıralanmasında nasıl kullanılabileceğini göstermektedir. Bölüm 5, birbirleriyle ilişkili şikayetlerin birleştirilmesi konusundaki fikri vermektedir. Bölüm 6, tanıtılan sistemin nasıl gerçekleştirildiği, sistemin gereksinimleri, geliştirme ortamı, kullanılan teknolojiler ve araçlar hakkında ve de geliştirilen ontoloji konusunda bilgi vermektedir. Bölüm 7, tezde tanıtılan sıralama ve birleştirme methodlarının nasıl işlediğini kavrayabilmek için birtakım değerlendirme senaryoları içermektedir. Son olarak, Bölüm 8 ile tanıtılan sistemin varolan literatürle olan ilişkisi ele alınıp, sistemin daha da geliştirilmesi ve iyileştirilmesi için gelecek çalışmalarda neler yapılabileceği konusunda görüşler bildirilmektedir.

22 6 2. TEMEL TEKNİK BİLGİLER Günümüzde, internet üzerinde devasa miktarda veri ve bilgi yoğunluğu bulunmaktadır. Ancak, ham olan bu veriden anlam çıkarabilmek ve anlamlı bilgiye erişebilmek oldukça güçtür. Zira örün belgeleri (web pages) evrensel bir şemaya (global schema) bağlı olarak yayınlanmamakta, bu da bilgisayarlar tarafından işlenmeyi zor hale getirmekte. Örünü (web), işbirliğine dayalı ve bilgisayarlar tarafından daha anlaşılır hale getirmek, yani bilgisayarlar için işlenebilir anlam ve semantik kazandırmak için, son zamanlarda Semantik Örün (Semantic Web) [2, 10] olarak adlandırılan yeni bir teknoloji ortaya çıktı. Semantik (anlambilimsel) Örün öyle bir projedir ki, iyi tanımlanmış ve birbirleriyle ilişkili bilginin ve örün servislerinin (Web Services), bilgisayarlar tarafından okunabilir ve anlaşılabilir olmasını mümkün kılacak çeşitli standart ve teknolojilerin geliştirilmesini hedefler. Burada, sadece ham veri değil, aynı zamanda anlam ve semantikle elde edilen bilgi de önemlidir. Figür 2.1. Semantik Örün Katman Kalıbı [1] Figür 2.1 de, semantik örünü oluşturan katmanlar, içerdikleri standart ve teknolojilerle gösterilmektedir. Figür, 2007 yılı itibariyle güncel olan, World Wide Web Consortium (W3C) [11] tarafından hazırlanan semantik örün katman kalıbını göstermektedir.

23 7 En alt katmanda, İnternet ortamındaki kaynakların tanımlanabilmesi için geliştirilmiş olan evrensel kaynak tanılayıcısı (Universal Resource Identification, URI) [11] ve uluslararasılaştırılmış kaynak tanılayıcı (Internationalized Resource Identifiers, IRI) [11] standartları bulunmaktadır. Bu katmanın hemen üstünde, geliştirilebilir biçimleme dili (extensible Markup Language, XML) [11] ve kaynak tanımlama çatısı (Resource Description Framework, RDF) [11] yeralır. Bu kavramların üstünde de, semantic veriyi sorgulamak ve filtrelemek için kullanılan standart Simple Protocol ve RDF Query Language (SPARQL) [11] gibi sorgu dilleri, ifade gücü yüksek semantik içeren güçlü sınıflandırmalar (taksonomiler) yaratabilmek için kullanılan standart Web Ontology Language (OWL) [11] gibi ontoloji dilleri, RDF nin bir uzantısı olan Resource Description Framework Schema (RDFS) [11] ve kural tabanlı diller yatmaktadır. Rule Interchange Format (RIF) [11] ise semantic öründe kural alışverişi içindir. Diğer takip eden katmanlar; mantık (Logic), ispat (Proof) ve güven (Trust) konularını kapsamaktadır. Son katman da, semantic örünü gerçek hayata geçiren kullanıcı arayüz ve uygulamaları içermektedir. Bu tezde, vatandaşlardan elde edilen şikayet bilgisini sunabilmek, kullanabilmek, çıkarımlar yapıp, işleyebilmek için özellikle ontoloji katmanı ve mantık katmanında yeralan semantic örün teknolojilerinden yararlanıyoruz. Semantik örün, öründeki anlamlı içeriğe bir yapı kazandırdığı için, yazılım etmenleri (software agents) vatandaşlar ve ilgili memurlar için kolaylıkla otomatikleştirilmiş görevler gerçekleştirebilir Semantic Örün Dilleri Figür 2.2 de, ontoloji tayf diyagramı verilmiştir. Ontoloji tayfı, semantik içeriğin zayıf semantikten (weak) güçlüye (strong) doğru gösterildiği; taksonomi (taxonomy), kavramlar dizini (thesaurus), kavramsal model (conceptual model) ve mantıksal teori (logical theory) gibi çeşitli kavramları göstermektedir. Siyah noktalarla da bu kavramların semantik ifade gücüne yerverilmiştir. Bu tayf, veritabanı (database) modelleri ve nesne-yönelimli (object-oriented) modellerden, ontoloji modellerine semantiğin değişik tekniklerle ifade edilişlerini resmetmektedir. Tayfta gösterilen veritabanı modelleri şunlardır: ilişkisel model (Relational Model), varlık ilişki modeli (Entity Re-

24 8 lationship Model, ER), geliştirilmiş varlık ilişki modeli (Extended Entity Relationship Model, EER) [12]. Birleştirilmiş modelleme dili ise (The Unified Modeling Language, UML) [13] bir nesne yönelimli (Object Oriented, OO) modelleme dili olarak bu tayfta yeralıyor. XML Schema [14] ve XML Topic Maps (XTM) [15] gibi XML ve onunla bağlantılı modeller de ayrıca veriliyor. Ontoloji modelleri olarak ise RDF, RDF Schema, Darpa Agent Markup Language (DAML) [16] ve OWL gösteriliyor. DAML+OIL [17], orijinal DAML ontoloji dilinin, Ontology Inference Layer (OIL) [18] içeren bir uzantısır. Mantıksal teori (logical theory) içinse; Description Logic (DL) [19], First Order Logic (FOL) [20] ve Modal Logic (ML) [21] veriliyor. Aslında, DAML+OIL ve OWL ontoloji dilleri de Description Logics [22] kullanarak semantiklerini tanımlıyorlar. Figür 2.2. Ontoloji Tayfı: zayıftan güçlü semantiğe doğru [2] Kaynak Tanımlama Çatısı (Resource Description Framework) Önceden de belirttiğimiz gibi, semantic öründe anlam" çok önemli bir olgudur. Geliştirilebilir biçimleme dili (extensible Markup Language, XML) [11, 2], XML etiketleri vasıtasıyla belgelere anlam kazandırabilme yetisine sahiptir. Örneğin, Figür 2.3 teki XML kod parçacığı Şikayet NP1 isminde, İstanbul da saat 23:00 da meydana gelen bir gürültü kirliliği şikayeti"ni göstermektedir.

25 9 <?xml version="1.0"?> <Sikayet> <isim>sikayet NP1</isim> <tip>gurultu Kirliligi</tip> <yer>istanbul</yer> <saat>23:00</saat> </Sikayet> Figür 2.3. Bir gürültü kirliliği şikayeti Halbuki, bu gösterim hala bilgisayarlar için anlamlı değildir. Sıradan bir insan, Şikayet NP1 in Gürültü Kirliliği türünde, Istanbul da, saat 23:00 da meydana gelmiş bir şikayet olduğunu kolaylıkla anlayabilir. Fakat, bilgisayarlar sadece XML etiketlerine bakarak bu tarz çıkarımlar yapamazlar. Aynı zamanda, XML de verinin sıralanışı da çok önemlidir, bu nedenle, eğer sıralama değişirse, ayrıştırıcılar (parsers) belgeyi doğru bir şekilde işlemeye devam edemezler. Daha fazla anlam kazandırabilmek ve bunları bilgisayarların anlayabileceği hale getirmek için, kaynak tanımlama çatısı (Resource Description Framework, RDF) [11, 2] olarak adlandırılan yeni bir teknoloji ortaya çıktı ve W3C önerisi olarak 2004 yılında sunuldu. RDF, bir veri hakkında bilgi veren yardımcı veriler (metadata) [12] üzerinde çalışabilmek ve semantik öründe veri alışverişi yapabilmek için tasarlanmış bir dildir. RDF de XML e dayalıdır ve RDF ilişkisel bir veritabanı olarak düşünülebilirse, XML de hiyerarşik bir veritabanı olarak düşünülebilir [12]. RDF, öründeki kaynakları, bilgiyi sunabilmek ve bilgiyi değiş tokuş edebilmek amacıyla tanımlayabilmek için kullanılır. Kaynaklara, birörnek kaynak yerbulucular (Uniform Resource Locators, URLs) vasıtasıyla erişilir ve URI lerle [11] tanılanır. RDF, bilgiyi sunabilmek için, (özne, yüklem, nesne)" (subject, predicate, object) üçlüleri kullanır. Bu bilgi RDF/XML biçimlendirmesine bağlı olarak gösterilebileceği gibi (serialization format [2]), bu üçlemeleri bir grafik olarak göstermek de kolaydır. Figür 2.4, 2.5 ve 2.6 da, sırasıyla; örnek bir RDF/XML belgesi, Figür 2.4 ile ilişkili veri modelinin

26 10 1: <?xml version="1.0"?> 2: <rdf:rdf 3: xmlns:rdf=" 4: xmlns:cmpl=" 5: <rdf:description 6: rdf:about=" NP1"> 7: <cmpl:tip>gurultu Kirliligi</cmpl:tip> 8: <cmpl:yer>istanbul</cmpl:yer> 9: <cmpl:saat>23:00</cmpl:saat> 10: </rdf:description> 11: <rdf:description 12: rdf:about=" NP2"> 13: <cmpl:tip>gurultu Kirliligi</cmpl:tip> 14: <cmpl:yer>ankara</cmpl:yer> 15: <cmpl:saat>01:00</cmpl:saat> 16: </rdf:description> 17: </rdf:rdf> Figür 2.4. Örnek bir RDF/XML belgesi üçlemesi ve grafik modeli gösterilmektedir. Üçlü gösterim ve grafik gösterim, W3C RDF onaylama hizmeti (W3C RDF Validation Service) [23] kullanılarak yaratılmıştır. Figür 2.4 te, 1 numaralı satır XML bildirimini ve 2 numaralı satır tüm RDF belgelerinde bulunması gereken kök elemanı gösterir. 3 ve 4 numaralı satırlarda, rdf ve cmpl önekleriyle başlayan öğeleri belirlemeye yarayan iki adet aduzayı (namespace) tanımlanıyor. Takip eden satırlar, rdf:about özniteliği ile belirlenmiş kaynakların tanımlamalarını veriyor. 7-9 ve numaralı satırlar arasında, <rdf:description> öğesi, bu kaynakların <cmpl:yer> gibi özelliklerini içeriyor. Bunların yanısıra, RDF, ontoloji söz varlığını oluşturmak için kullanılan; sınıflar, altsınıflar, özellikler, altözellikler, veri tipleri, alanlar ve özellikler için değer kümeleri gibi kavramları kapsayan RDF şema (RDF Schema, RDFS) [11] yapısıyla geliştirilmiş-

27 11 Figür 2.5. Figür 2.4 teki veri modeli ile ilintili üçlüler Figür 2.6. Figür 2.4 ile ilintili veri modelinin grafiği tir. RDFS deki sınıf kavramı, nesne yönelimli programla dillerindeki sınıf kavramıyla benzerdir. RDFS de kaynaklar sınıfların somutlaşan örneklemeleri olarak tanımlanabilir. Bilginin anlamı RDFS ile ifade edilebileceği için, bilgisayarlar şemalarının eşleşmesiyle kolaylıkla bilgiyi paylaşabilir. Bunlara rağmen, RDF ve RDFS nin ifade gücü hala yeterince güçlü değil ve de semantik zayıf kalıyor. Bundan dolayı, daha fazla anlam ve semantik verebilmek için, son zamanlarda örün ontoloji dili (Web Ontology Language, OWL) gibi diller ortaya çıktı. Figür 2.7, 2.8 ve 2.9 da sırasıyla; örnek bir RDF/XML şema belgesi, Figure 2.7 ile ilişkili veri modelinin üçlemesi ve grafik modeli gösterilmektedir.

28 12 1: <?xml version="1.0"?> 2: <rdf:rdf 3: xmlns:rdf= " 4: xmlns:rdfs=" 5: xml:base=" 6: <rdfs:class rdf:id="sikayet" /> 7: <rdfs:class rdf:id="yer" /> 8: <rdfs:class rdf:id="gurultukirliligi"> 9: <rdfs:subclassof rdf:resource="#sikayet"/> 10: </rdfs:class> 11: <rdf:property rdf:id="ozellikyer"> 12: <rdfs:domain rdf:resource="#sikayet"/> 13: <rdfs:range rdf:resource="#yer"/> 14: </rdf:property> 15: </rdf:rdf> Figür 2.7. Örnek bir RDF/XML şema belgesi 12 ve 13 numaralı satırlarda, ozellikyer özelliğinin üzerindeki bazı kısıtlar ve sınırlamalar rdfs:domain ve rdfs:range nitelikleriyle gösterilmektedir. rdfs:domain niteliği, verilen bir özellik için, kaynakların ait olması gereken alan bilgisini, rdfs:range ise verilen özelliğin bağlı bulunduğu değer kümesi bilgisini içerir Örün Ontoloji Dili (Web Ontology Language) Semantik öründe, bilginin paylaşılabilmesi, uygulamaların ve yazılım etmenlerinin birbirleriyle işbirliği içinde çalışabilmesi için ontolojiler gerekir. Bir ontoloji, bir bilgi alanındaki kavramları ve bunların birbirleriyle ilişkilerini ifade eden terimler içerir. Böylelikle, ontolojileri kullanarak, ele alınan alanlar ile ilgili semantik büyük detayla belirlenebilir. OWL [24, 11], W3C tarafından geliştirilmiş ve 2004 yılı itibariyle W3C önerisi olarak sunulmuş standart bir örün ontoloji dilidir. OWL, RDF teknolojisinin üstüne

29 13 Figür 2.8. Figür 2.7 ile ilişkili veri modelinin üçlemeleri Figür 2.9. Figür 2.7 ile ilişkili veri modelinin grafiği inşa edilmiştir. RDF ye göre daha fazla ifade yeteneğine, bilgisayarlar tarafından daha fazla yorumlanabilirliğe, güçlü sözdizimi ve geniş söz varlığına sahiptir. Aslında, an itibariyle, semantic örün için yeralan diğer dillerle karşılaştırıldığında, OWL bilgiyi en güçlü şekilde ifade etme yetisine sahip dildir. OWL: OWL Lite, OWL DL, ve OWL Full olmak üzere üç altdile ayrılmıştır. OWL Full, bu üçüne nazaran, OWL un en güçlü altdilidir, ancak hesaba dayalı garantisi yoktur. OWL Lite, OWL un en basit versiyonudur, ama gene de RDFS den bile ifade gücü daha yüksektir. OWL DL (Description Logic) ise ifade gücü çok yüksek ve hesaba dayalı bütünlük ve karar verilebilirlik gücü olan bir versiyondur.

30 Semantik Örün için Usavurum Monoton Olmayan Usavurum (Non-monotonic Reasoning) İnsanoğlu olarak biz, sağduyularımızı kullanarak (common-sense) veya varsayılan, olağan (default) çıkarımlar yaparak usavurum yaparız ve aslında öğrenme işlemi de bizler için monoton değildir (non-monotonic). Genelde varsayımlar (assumptions) yaparız ve çevremize yeni bilgi eklendikçe bu varsayımlar değişebilir, ki bu da monoton olmamayı gösterir. Örneğin, eğer bir vatandaş hergün geçtiği bir noktaya ulaşamıyorsa, yolda bir kaza" olduğunu varsayabilir, ancak, zaman içerisinde aslında yolda bir onarım çalışması" olduğunu ve bunun da trafik sıkışıklığına" yolaçtığını öğrenebilir. Bu durumda, elde edilen ek bilgi, elde olan alan bilgisini, dolayısıyla da vatandaşın çıkarımını değiştirdi. Önceden de belirttiğimiz gibi, şikayetlerin doğası söz konusu olduğunda; değişken koşullar, tutarsızlıklar ve belirsizlikler durumunda bilgiyi tasvir etmek oldukça güçtür [5]. Şikayetler dinamiktir ve bu dinamiklik sadece monoton olarak ifade edilemez. Diyelim ki, bir vatandaştan belirli bir zamanda gelen belirli bir şikayet var ve zaman içerisinde başka vatandaşlar da aynı şikayeti yineliyor ve bu şikayetler bir süre sonra sonlanıyorsa, diyebilirz ki bu durum monoton olmayan bir davranış gösteriyor. Monoton olmayan usavurum tekniğinde [25], tamamlanmamış bilgi söz konusuysa, usavurum işlemini yapabilmak için çıkarım yapma kuralları genişletilmiştir. Bu sistemlerde, bir deyim ya doğru, ya yanlış ya da hiçbiri olarak kabul edilir. Monoton olmayan bir çıkarım, yeni bir olgunun eklenmesiyle, önceden ortaya çıkarılan ispatların geçersiz olmasına yol açarak iptal edilebilir. Varsayılan usavurum (default reasoning), abdüksiyon usavurum (abductive reasoning), muayyen bir şartın tahakkukunda feshedilebilir usavurum (defeasible reasoning) ve yanıt kümesi semantiği (answer set semantics), aynı zamanda kararlı model semantiği (stable model semantics) olarak da bilinir [26], gibi çeşitli monoton olmayan usavurum yaklaşımları vardır. Gelecek paragraflarda, monoton olmayan kullanımı,

31 15 şikayetler alanında gösteren örnekler verilmiştir. Feshedilebilir Usavurum (Defeasible Reasoning). Feshedilebilir usavurum [27], eksik ve tutarsız bilginin varlığında akıl yürütmeye olanak sağlar ve hesaba dayalı karmaşıklığı düşüktür. Gözlemler, kişisel deneyimler ve kanıtlar bu yöntemde önemli rol oynar. Örnek olarak, diyelim ki; üç vatandaş trafik ve Levent ten Bakırköy e en rahat nasıl gidebilecekleri hakkında konuşuyorlar. Birince vatandaş; Ben E6 yolunu kullanacağım, çünkü orası en kestirme yol.", ikinci vatandaş; E6 da bugünlerde bir yol çalışması olduğunu duydum, orası uygun olmayacaktır." ve üçüncü vatandaş da; Bugün aynı yoldan geçtim, yol çalışması tamamlanmış ve E6 uygun." diyor. Bu örnekte, ana önermenin doğruluğu bertaraf edilmiş ve ardından gözlemler ve kişisel deneyimlerle geri kazanılmıştır. Varsayılan Usavurum (Default Reasoning). Neyin doğru olabileceğini esas alarak sonuç çıkartmayı gerçekleştiren, varsayılan usavurum [28] da monoton olmayan akıl yürütme tekniği olarak kullanılabilir. Örneğin, köpek havlayan bir hayvandır, bu bilgi elimizde olan olağan bir olgu. Eğer bir havlama sesi duyarsak, ve sesin kaynağı hakkında başka herhangi birşey bilmiyorsak, sesin bir köpekden geldiğini varsayabiliriz. Ancak, daha sonradan bu sesin aslında bir televizyondan geldiğini öğrenirsek, elimizde olan varsayılan olgu geri alınmış olur. Abdüksiyon Usavurum (Abductive Reasoning). Abdüksiyon usavurumda [29], olgular olabilecek en muhtemel açıklamalar, yorumlar şeklinde türetilir ve abdüksiyon en iyi açıklamaya çıkarsamadır. Eldeki olgular ve gözlemlerden oluşan bir veri kümesi D" ve H" de bu D"yi tanımlayabilecek hipotezler arasında en iyisi olsun. Bu durumda, H" hipotezinin büyük olasılıkla doğru olduğu kabul edilir. Yani, abdüksiyon akıl yürütmede en iyi açıklamaya, yoruma çıkarsama yapılır. Örneğin, trafik sıkışıklığı" görebilmenin en muhtemel açıklaması: bir araba kazası" olmasıdır. Ancak, trafik sıkışıklığının asıl nedeninin yol çalışması" olduğu öğrenildiğinde, bu ek bilgiyle önceki yorumumuz geri çekilmiş olur.

32 Yanıt Kümesi Programlama ile Usavurum Yanıt kümesi programlama (Answer Set Programming, ASP), veritabanı teknolojisinin etkinliğini ve monoton olmayan usavurum tekniğinin ifade gücünü harmanlayan, doğru ifade edebilme yetisini içerisinde barındıran bir usavurum yöntemidir. Yanıt kümesi programlamanın bazı yararlı özellikleri aşağıdaki gibi listelenebilir: Tam ifade edicilik Ölçeklenebilirlik Çok yönlülük Monoton ve monoton olmayan usavurum desteği Kuralların ontolojilerle birleştirilebilmesi Harici usavurucularla arabirim olabilme Bir yanıt kümesi programı, baş :- gövde kalıbına sahip, değişkenler içerebilen kurallardan oluşur. Baş kısmı VEYA işlemi olabilir (disjunction) ya da boş geçilebilir. Gövde ise, VE işlemi (conjunction) ya da boş olabilir. Yanıt kümesi programlamada (ASP), bir problemi çözebilmek için mantıksal (logic) bir program oluşturulmalıdır. Böylelikle bu programın yanıt kümeleri, problemin çözümüne karşılık gelecektir. Bu yanıt kümeleri ise, gelen ek bilgi ve yeni algılarla değişebilecektir. Ayrıca, aşağıda listelenenler gibi, ASP ye bazı önemli dil ilaveleri vardır: Klasik (güçlü) olumsuzlama (Classical (strong) negation) Hata gibi değilleme (Negation as Failure (NAF)) Ayırıcı (disjunctive) mantıksal programlar İçiçe (nested) mantıksal programlar Nicelik, miktar kısıtları (cardinality constraints) Bütün, güçlü (integrity) ve zayıf (weak) kısıtlar Tercihler (preferences): kural (rule) tercihleri, sıralı VEYA işlemleri (ordered disjunctions) vb.

33 17 ASP ile, bir problemi kurallar kümesi olarak kodluyoruz ve çözümleri bu kuralların yanıt kümeleriyle (kararlı modelleriyle) elde ediyoruz. Yani, bu modeller problemin çözümleri oluyor. Bu yanıt kümelerini çıkarabilmek için, DLV [30], Smodels [31], Cmodels [32], ASSAT [33] ve NoMoRe [34] gibi ASP çözümleyicileri veya motorları vardır. Figür 2.10 da yanıt kümesi programlamada problem kodlamasının yapılışına dair bir şema verilmektedir. Burada, Data D programa verilen bilgi tabanıdır, bu veri olgulardan (facts) veya bizim çalışmamızın da kullandığı gibi ontolojilerden meydana gelebilir. Figür ASP de problem kodlamayı gösteren şema [3]

34 18 3. VATANDAŞ ŞİKAYETLERİ YÖNETİMİ Bu bölümde, Vatandaş Şikayetleri Yönetim Sistemi (Citizen Complaints Management System, CCMS) ana hatlarıyla açıklanmıştır Mimari Figür 3.1 de, vatandaşlar şikayetlerini sisteme devamlı olarak giriyor. Örün formları aracılığıyla şikayetlerini aktarabiliyorlar. Öncelikle, şikayet sahibi gürültü" gibi genel bir konu seçiyor. Sistem, bu genel kategoriye göre, ortak olan şikayet ontolojisine başvuruyor ve havlayan köpek, havai fişekler, araba alarmı, yükselteç ile konuşma" ve bunun gibi daha ileri alt kategoriler sunuyor. Bu alt kategoriler, geliştirilen şikayet ontolojisinden elde ediliyor. Daha sonra, sistem, kullanıcıya bu alt kategori bilgisine göre belirlenmiş olan sesin şiddeti, yaralı insan sayısı, sesin ne kadar sürdüğü" gibi bazı özellikler hakkında bilgi girmesine izin veriyor. Şikayetlerin, sisteme gelişiyle, kabul edilebilir olan şikayetleri ontolojimiz üzerinden usavurum işlemi yaparak belirliyoruz. Kullandığımız usavurum tekniği, yanıt kümesi semantiğinde [26] tanımlanmış kurallara dayanıyor ve yanıt kümelerimizi, yani kabul edilebilir" şikayetleri, belirleyebilmek içinse dlvhex [6] çözümleyicisini kullanıyoruz. Aynı zamanda, dlvhex, OWL bilgi tabanlarında sorgu yapabilmek için, Racer [35] olarak adlandırılan ünlü bir OWL usavurum sistemi kullanıyor. Dahası, eğer bu kabul edilebilir şikayetleri bir şekilde birleştirebilmek mümkünse, sistem bunları, yanıt kümesi programlama, Jena [36] ve Kaon2 [37] uygulama programlama arayüzleri (APIs) kullanarak ontoloji üstünden akıl yürütme yaparak birleştiriyor. Daha sonra, bu şikayetlere bazı öncelikler veriyoruz ve aciliyetlerine, hayatiyetlerine göre sıralıyoruz, dolayısıyla semantik bir sıralama yakalıyoruz. dlvhex: dlvhex, dl-programlarından yola çıkarak oluşturulan ve yanıt kümesi programlarına dış hesaplama kaynaklarının da entegre edilebilmesi ilavesini barındıran, hex-programların [6] modellerini hesaplayan prototip bir uygulamadır. Semantik örün

35 19 Figür 3.1. Güncel sistem mimarisi bağlamında, bütünsel akıl yürütme gibi önemli mevzularda, şu ana kadar dlvhex ten daha elverişli bir yanıt kümesi motoru daha ortaya çıkmamıştır Şikayet Ontolojisi Taksonomi/Hiyerarşi Önceden de belirtildiği gibi, günlük hayatta, devletin sağladığı hizmetlere yönelik, vatandaş şikayetlerine yol açabilecek birçok özel durum veya aksaklıkla karşı karşıya kalınabilir (örneğin, trafik ile ilgili şikayetler, kalabalık şehirlerde oldukça yaygındır). Öte yandan, şikayetlerin ele alınması, zaman alan bir işlem olmanın yanısıra, insan gücününün de boş yere harcanmasına yol açmaktadır. Bu durumda, hükümetlerin gelen şikayetlerle etkili bir biçimde başa çıkabilmesi için, bunların otomatik bir şekilde ele alınması önemlidir. Böyle bir otomasyonu sağlayabilmek için, vatandaşlar ve hükümet için ortak, pay-

36 20 laşılabilen bir dil belirlemek önemlidir. Doğal dil dışında, bu dil, çeşitli tipte şikayetleri, onların özelliklerini ve birbirleriyle olan ilişkilerini gösterebilmek için semantik özellikleri belirtebilecek kabiliyete sahip olmalıdır. Bütün bunları, ontolojilerin güçlü ifade edilebilirlik özellikleriyle sağlayabiliriz. Bu yüzden, E-devlet için oluşabilecek bu istisnaları temsil edebilmek için Şikayet ontolojisini geliştirdik. İlgilendiğimiz alan ile ilgili, sınıf taksonomilerinden ve çıkarım kurallarından oluşan şikayet ontolojimizi belirtmek için, Bölüm 1 de de tanıttığımız, bir standart ontoloji dili olan Örün Ontoloji Dili ni (Web Ontology Language, OWL) [38] kullandık. Ontolojimizi yaratabilmek için, Protégé-OWL [39] kullandık. Ontolojiyi anlaşılır kılabilmek için, Figür 6.6 da da gösterildiği gibi; temel hizmetler, zabıta, kirlilik, imar, trafik ve veterinerlikle ilgili problemler gibi belediyelerin sıklıkla karşılaşabileceği şikayetler üzerinde durduk. Figür 6.6 ya karşılık gelen OWL ontolojisi Ek D de verilmiştir. Buna rağmen, yeni kavramlar ve ilişkiler eklenerek, ontoloji rahatlıkla genişletilebilir. Bu ontolojinin yardımıyla, kullanıcılarımıza şikayetleri açık olarak anlatabilmeleri için, ontolojideki kavramlara yeni bağlamlar ekleyebilme olanağını sağlıyoruz. Örnek olarak, bir vatandaş Etiler de bir kaza var." şeklinde bir şikayette bulunsun, ve bir başka vatandaş da Taksim de bir kaza var." demiş olsun, bu iki şikayette bağlamlar (şartlar ve çevre) etki alanları göz önüne alındığında farklıdır. Ancak, iki şikayet de kazaları temsil etmesi açısından benzerlik gösterir Sınıflar ve Özellikleri Sistemde, tüm şikayetler; isim, yer, zaman, açıklama, şikayete karışan insan sayısı, yaralı sayısı ve bunun gibi bazı ortak özelliklere sahiptir. Gürültü kaynaklı şikayetler ise, kendi içlerinde, devam süresi ve desibel gibi ortak özellikler barındırır. Ontolojide yer alan bir başka kavram da; şehir, ilçe, posta kodu, merkezilik, okul sayısı, hastane sayısı gibi özelliklere sahip olan Yer" sınıfıdır. Şikayetleri bir bağlama koyabilmek

37 21 için, bir şikayetin yer bilgisini göstermek de gereklidir. Bir önceki paragrafta örnek olarak verdiğimiz üzere, bir vatandaş Etiler de bir kaza var." ve bir başka vatandaş da Taksim de bir kaza var." şeklinde şikayette bulunduğu zaman, bu iki şikayette şikayetlerin içeriği aynıdır, fakat yer bilgisi farklıdır. Eğer bir yer, bir başka yere nazaran tercih edilecekse, bu iki şikayet bu bilgiye dayanarak sıralanabilir. Örneğin, bir köpek-havlaması şikayeti; yer, şikayete karışan insan sayısı, yaralı sayısı, zaman, süre ve desibel gibi bilgilerin sisteme girilmesiyle ifade edilebilir. Böylesi bir şikayetin gösterimi Figür 3.2 de verilmiştir. Ayrıca, ontolojinin kullanımıyla, sisteme gelen şikayetler üzerinde bazı akıl yürütme işlemleri gerçekleştirebiliriz. Böylelikle, devlet tarafı, şikayetlerle başa çıkabilmek ve uygun eylemler alabilmek için birtakım ek bilgiler kazanabilecektir. Öte yandan, sistem, her ne kadar çeşitli kullanıcılarla ilgilense de, kullanıcılardan bağımsızdır. Böylece, bu durum varolan sistem yazılımını etkilemeyecektir, çünkü sadece ontolojideki değişiklikler göz önünde bulundurulacaktır, ve kullanıcılar ontolojiden dinamik olarak oluşturulan arayüzlerle karşı karşıya kalacaktır, ki bu da otomasyon esnekliğini sağlar Şikayetler Üzerinden Usavurum yapabilmek için Yanıt Kümesi Programlama Bölüm 2 de de belirtildiği gibi, OWL [38] örün için standart bir ontoloji dili haline gelmiştir. Ontoloji katmanının üstünde, Figür 2.1, semantik örünün son katmanları mantık (logic) ve güven (trust) kavramlarıyla ilgilenmektedir. Semantik örünün mantıksal katmanını oluşturan çeşitli usavurum tekniklerinden birini seçmek halen ilgi çekici ve sıcak bir konudur, zira, bu katmanları biraraya getirebilmek için, standart yollar veya diller mevcut değildir. Şikayet yönetiminde, ek bilgi geldikçe, sonuçları gözden geçirmek önemlidir. Yanıt kümesi programlama, bize bu monoton olmamayı sağlar. ASP nin önemli bir özelliği, kurallarının gövde kısımlarının da olumsuzluk içerebiliyor olmasıdır, bu da hata gibi değilleme (Negation as Failure (NAF)) olarak ele alınır, böylece monoton olmayan

38 22 usavurum yöntemleri [25] hesaba katılmış olur. Örneğin, diyelim ki; ehemmiyetlerini ispatlayamadığımız ama devamlı olarak yapılan şikayetleri düşük-öncelikli şikayetler olarak kabul ediyoruz. Eğer, C" sık yapılan bir şikayetse ve ehemmiyeti hakkında hiçbir şey bilinmiyorsa, bütün yanıt kümeleri gösterir ki; C" düşük-öncelikli bir şikayettir. dusukonceliklisikayet(c) :- devamlisikayet(c), not ehemmiyetli(c). Ancak, varsayalım ki; yapılan bütün sık-devamlı şikayetlerin ehemmiyetli olduğu bilgisi artık elimizde mevcut. Bu durumda, artık C" nin düşük-öncelikli bir şikayet olduğunu açığa vuramayız. ehemmiyetli(c) :- devamlisikayet(c) VEYA İşlemli Datalog (DLV, Datalog with Disjunction) Birçok ASP çözümleyicisi arasından, çeşitli nedenler ve sağladığı olanaklar için DLV yi [7] kullanmayı seçtik. Prolog [40] bildirim dillerine bir örnektir, bununla birlikte veritabanları için sıklıkla datalog kullanılır. Datalog [41], mantık ve veritabanlarıyla çalışmak için tasarlanmış bir bildirim dilidir ve bilgiyi gösterebilmek için birinci derece yüklem mantığına dayanır (first order predicate logic). Datalog, bir problemi çözebilmek için yollar bulmaya çalışır ve çözümün kendisi kurallar ve olgular aracılığıyla sağlanır. DLV [7], VEYA lı Datalog (disjunctive datalog)" için, kısıtlar, gerçek (klasik) değilleme ve sorgular içeren bir sistemdir. DLV sistemi ayrıca hata gibi değilleme (negation as failure, NAF) için destek içerir. VEYA lı Datalog, Datalog u, kurallar içerisinde mantıksal VEYA işlemi (disjunction) kullanımına izin vererek genişletmiştir. Böylelikle, belirli (definite) bilgiyi açık-