Yaman Çelişki : Sosyal Anlamsal Web de Önerme Erdem Beğenilmiş 1, Erdem Eser Ekinci 2, Kasım Sinan Yıldırım 3 1 Boğaziçi Üniversitesi, Bilgisayar Mühendisliği Bölümü, İstanbul 2 Ege Üniversitesi, Bilgisayar Mühendisliği Bölümü, İzmir 3 Ege Üniversitesi, Bilgisayar Mühendisliği Bölümü, İzmir erdem.begenilmis@gmail.com, erdemeserekinci@gmail.com, sinanyil81@gmail.com Özet: Çok sayıda kullanıcının sosyal web üzerinde istediği veriye kolay erişimi, herhangi bir destek almadan imkansız hale gelmiştir. Bu sorunun ortadan kaldırılması için, sosyal web sitelerinde önerme sistemlerinin kullanılması bir çözüm olarak sunulmuştur. Önerme sistemlerinin amacı kullanıcıya kişiselleşmiş, kullanıcının ilgisini çeken, kullanıcı için daha değerli olan kaynakları döndürmektir. Günümüzdeki çoğu önerme sistemi, kaynakların ilişkili olduğu konuları belirlerken metin tabanlı veriler üzerinde değerlendirme yapmaktadır. Fakat, metin tabanlı kaynaklarda makinelerin değilde insanların anlaması ana hedef olduğundan önerme sistemleri kullanıcılara yeterince sağlıklı öneriler yapamamaktadırlar. Önerilerin anlamsal web in yapı taşı olan ontolojiler yardımıyla yapılması, çok daha etkin ve sağlıklı olmaktadır. Bu bildiride, sosyal bir anlamsal web sitesi olan Yaman Çeliski nin ontoloji tabanlı veriler üzerinden kullanıcılara sunduğu önerme servisi anlatılmaktadır. Anahtar Sözcükler: Anlamsal Web, Önerme. Abstract: In this paper, it is aimed to overcome problem of retrieving relevant and individualized resources from large amount of data piles in social web and find a solution to this problem with the help of ontology and semantic web. We present the recommendation module of Yaman Çelişki which uses resources that are represented in ontology in order to recommend right and relevant resources to users. Yaman Çelişki is a social web site where users can share and save conflicts about the politicians to show inconsistencies between their speeches and actions. Moreover, the place of recommendation module in Yaman Çelişki is to suggest relevant conflicts for users by examining their relevance for user from the ontological knowledgebase of DBPedia. 1. Giriş Sosyal web siteleri artık insanların günlük hayatlarının bir parçası haline gelmiştir. Dünyadaki en büyük sosyal paylaşım sitesi olarak kabul edilen ve istatistiklere göre kullanıcıların ayda ortalama 700 milyar dakika zaman geçirdiği Facebook ta, yarısı hergün aktif olan toplam 500 milyon kullanıcı bulunmaktayken [7], Twitter da günde 65 milyon civarında tweet atan toplam 190 milyon kullanıcı bulunmaktadır [8]. Bu kadar büyük sayıdaki kullanıcının, sosyal web in kendilerine sunduğu paylaşma, yorum yapma, etiketleme vs. gibi özellikleri aktif olarak kullanmalarıyla ortaya çıkan veri, bir kullanıcının herhangi bir sistemden destek almadan istediği veriyi bulmasını neredeyse imkansız hale getirmiştir. Bu durum günümüz web kullanıcıları açısından bir problem teşkil etmektedir çünkü kullanıcılar artık web de herşeyin kendi kişisel istekleri doğrultusunda olmasını, ilgileri dışında olan kaynakların karşılarına çıkmasının engellenmesini ve sadece ilgileri dahilinde olan verilerin kendilerine gösterilmesini talep etmektedirler.
Bu sorunun üstesinden gelmek için sosyal web sitelerinde önerme sistemlerinin kullanımı bir çözüm olarak karşımıza çıkmaktadır. Önerme sistemlerinin amacı kullanıcıya kişiselleşmiş, kullanıcının ilgisini çeken, kullanıcı için daha değerli olan kaynakları döndürmektir. Önerme sistemleri nin sosyal web sitelerinde kullanımıyla kullanıcıların istedikleri kaynaklarla ilgili arama yaparken büyük çaptaki verilerin içinde vakit kaybetmemesi ve sadece ilgileri dahilinde olan veya olması muhtemel kaynakların kendilerine gösterilmesi mümkün olacaktır. Elbetteki, önerme sistemleri bir kaynağı kullanıcıya önermeden önce o kaynağın kullanıcının ilgisi dahilinde olup olmadığını anlamak için o kaynağın ne hakkında olduğunu belirlemek zorundadır. Günümüzdeki çoğu önerme sistemi, kaynakların ilişkili olduğu konuları belirlerken metin tabanlı veriler üzerinde değerlendirme yaparak belirli bir sonuca ulaşmaya çalışmaktadırlar. Fakat, metin tabanlı kaynaklarda makinelerin değilde insanların anlaması ana hedef olduğundan önerme sistemleri kullanıcılara yeterince sağlıklı öneriler yapamamaktadırlar. Fakat, önerilerin metin tabanlı veriler baz alınarak yapılması yerine anlamsal web in yapı taşı olan ve verilerin makineler tarafından anlaşılabilmesini sağlayan ontolojiler yardımıyla yapılması, anlamsal olarak çok daha etkin ve sağlıklı olmaktadır. Bu bildiride sosyal bir anlamsal web sitesi olan Yaman Çeliski nin ontoloji tabanlı veriler üzerinden kullanıcılara önerileri nasıl yaptığı anlatılacaktır. Yaman Çelişki; sanatçıların, yazarların ve siyasetçilerin birbirleriyle çelişen söylemlerinin oluşturduğu ve hayatın daha başka birçok alanında görülebilecek çelişkilerin belirlenerek kullanıcılar tarafından sosyal web yardımıyla internet ortamına taşınmasını ve paylaşılmasını sağlayan sosyal bir anlamsal web sitesidir. Girilen çelişkilerin ontolojik olarak tutulduğu (Şekil 1) ve anlamsal bir web sitesi olan Yaman Çelişki de Önerme Modülü, verilerin ontolojik olarak tutulduğu ve içinde çok büyük miktarlarda bilgi barındıran DBPedia daki veriler üzerinden çıkarsama yaparak, kendi bünyesindeki ontoloji tabanlı olarak bulunan çelişkilerden hangilerinin kullanıcının ilgisi dahilinde olabileceğini belirleyerek çelişkilerin kullanıcılara önerilmesinden sorumlu, tamamıyla anlamsal web bileşenlerine sahip bir sistemdir. Bu anlamsal önerme modülü nün konu alındığı bu bildiride, ikinci kısımda Yaman Çelişki nin önerme modülünde kullanılan geleneksel önerme yaklaşımları özet olarak anlatılmıştır. Bunu takip eden üçüncü bölümde Yaman Çeliski nin ne olduğu, amaçları açıklanırken temel bileşeni olan çelişkinin tanımı yapılmıştır. Ardından dördüncü bölümde Önerme Modülü nde kullanılan anlamsal web bileşenleri anlatılırken, beşinci bölümde kullanılan veri tabanlar ının özellikleri açıklanmıştır. Altıncı bölümde ise Yaman Çeliski de önerme işlemlerinin nasıl gerçekleştiği detaylarıyla açıklanmıştır. Yedinci bölümde Önerme Modülü nde ileride yapılması düşünülenler ifade edilirken son olarak sekizinci bölümde ise bildirinin sonuç bölümü yer almaktadır. 2. Önerme Sistemleri 2.1 Önerme Sistemlerinin Genel Özellikleri Önerme sistemlerini, geleneksel arama motorlarından ayıran asıl özellik; arama motorları sorguyu karşılayan tüm kaynakları kullanıcıya geri döndürüken, önerme sistemlerinin kullanıcıya kişiselleşmiş, kullanıcının ilgisini çeken, kullanıcı için daha değerli olan kaynakları döndürmeleridir. Burke, etkili ve aktif bir önerme sisteminin çalışabilmesi için üç şartın yerine getirilmesi gerektiğini söylemektedir [1]. Bunlar: 1) Sistem Verisi: Sistem önermeye başlamadan önce arka planda verilere sahip olmalıdır. 2) Kullanıcı Verisi: Sistemin kullanıcıya öneriler sunabilmesi için kullanıcı tarafından sisteme bir veri girişi olmalıdır. 3) Algoritma: Önerme sistemi, önermeleri yapabilmek için sistem verilerini ve kullanıcı verilerini
beraber kullanabilecek bir algoritmaya sahip olmalıdır. Her sistemin farklı bir tasarıma ve veri yapısına sahip olmasından dolayı, önerme sistemleri, sistemden sisteme farklılık gösterebilir. Bu doğrultuda Yaman Çeliski nin altyapısına ve tasarımına uygun olup, Yaman Çeliski de kullanılan ve kullanılması düşünülen önerme yaklaşımları, Yaman Çeliski deki önerme mantığının ve dayandığı temellerin anlaşılması açısından kısaca açıklanacaktır. 2.2 Geleneksel Önerme Yaklaşımları 2.2.1 İçerik Merkezli Önerme İçerik Merkezli Önerme de kullanıcının tercihleri önerme mantığının temelini oluşturmaktadır. Fakat, burada karıştırılmaması gereken konu önermelerin sadece bir kullanıcının tercihlerine ve ilgilerine göre şekillenmesidir. Bu tarz sistemlerde, önerme sistemi kullanıcının ilgi alanlarını belirlemek amacıyla kullanıcının baktığı tüm kaynakların bir listesini tutar. Daha sonra, bu listelere göre kullanıcının ilgi alanında ne tarz konuların bulunduğuyla ilgili kullanıcı profilini çıkardıktan sonra önerme sistemi kendi veritabanında kullanıcının ilgili tercihlerini tutar. Bu evre Burke in [1] bahsettiği koşullardan ikincisine denk gelmektedir. Bunu takiben, sistemde kullanıcı profili oluşturulduktan sonra kullanıcı sisteme girdiğinde ona doğru kaynakları önermek için, sistem kullanıcıyla ilgili verilere bakar ve kullanıcının profilinde bulunan konulardaki ilgili kaynakları kullanıcıya önerir [1] [2] [4]. Fakat burada göze çarpan en büyük dezanavantaj, kaynakların kullanıcının ilgilendiği konularla ilgili olup olmadığının belirlenmesinde kullanılan temel yaklaşımın metin tabanlı olmasıdır. Ancak, ileri bölümlerde anlatılacağı gibi YamanCeliski de önermeler yapılırken kaynaklarla ilgili verilerin ontoloji tabanlı olarak tutulması bu dezavantajı ortadan kaldırmıştır. 2.2.2 Ortak İşbirlikçi Önerme Kullanılan önerme yaklaşımları içinde en yaygın olanının bu önerme şekli olduğu söylenebiliriz. Burada İçerik Merkezli Önerme nin aksine sistem önermeleri yaparken sadece tek kullanıcının tercihlerini değilde tüm benzer kullanıcıların tercihlerini göz önünde bulundurur. Burada, benzer kullanıcıların belirlenmesi işlemi İçerik Merkezli Önerme dekine benzer bir şekilde yapılmaktadır. Sistem, İçerik Merkezli Önerme de olduğu gibi kullanıcıların baktıkları ve ilgilendikleri kaynakların ilgili oluğu konuları tutarak her bir kullanıcıyla ilgili kendi veritabanında bir profil oluşturur. Bu profillerin oluşturulmasının ardından sistem tercihleri birbirine benzer kullanıcıları belirli algoritmalarla belirleyerek, bir kullanıcıya önerme yapılırken sadece o kullanıcının kendi ilgilendiği kaynakların yanı sıra, o kullanıcıyla benzer diğer kullanıcıların ilgilendiği konulardaki kaynakları da önerir. İşbirlikçi Önerme nin, İçerik Merkezli Önerme den farkı budur. Bu tarz bir önerme yaklaşımıyla kullanıcıya kendi belirttikleri dışında ilgileneceği muhtemel kaynakların önerilmesi sağlanarak çeşitlilikte sağlanmış olur ve kullanıcıya daima aynı tarz şeylerin önerilmesinin de önüne geçilir. 2.2.2 Bilgi Tabanlı Önerme Bilgi Tabanlı Önerme sistemlerinde, önermeler sistemin sahip olduğu bilgilere dayanılarak yapılır. İçerik Merkezli veya Ortak İşbirlikçi Önerme de olduğu gibi önermeler kullanıcı odaklı değildir ve kullanıcılar arasındaki ilişkiler dikkate alınmaz. Önermeler yapılırken tek önemli olan şey önerme sisteminin kaynaklar hakkında sahip olduğu bilgilerdir. Bilgi tabanlı önermede; sistem kullanıcı istekleri, tercihleri ve kaynaklar hakkındaki bilgiler yardımıyla çıkarsamalar yaparak kullanıcılara farklı kaynakları önerirler. Yaman Çelişki de şu an kullanılan ana önerme yöntemi bilgi
tabanlı önermeye girmektedir. Bunlar ileriki aşamalarda anlatılacaktır. 2.3 Anlamsal Önerme Sistemleri Yapısında anlamsal web bileşenlerini bulunduran önerme sistemlerine anlamsal önerme sistemleri denmektedir. Anlamsal web in temel yapıtaşı ontolojiler olduğundan, pek doğaldır ki anlamsal önerme sistemlerinde ontolojiler hayati rol oynamaktadır. Bu doğrultuda literatürdeki kimi anlamsal önerme sistemlerindeki ontoloji kullanımlarını göstermemiz gerekirse [3] te anlatılan içerik merkezli önerme yapan anlamsal önerme sisteminde ontoloji, kullanıcının profilinde bulunan paylaştığı kaynakların ne olduklarının anlaşılması amacıyla FOAF:image veya Video:video gibi property ler aracılığıyla paylaşılan kaynakların resim veya video olduklarının önerme sistemi tarafından anlaşılmasını sağlamak amacıyla kullanılmaktadır. E eğitim konusunda [9] da anlatılan bir diğer anlamsal önerme sisteminde ise sistem eğitim materyalleri ve bu materyaller arasındaki ilişkileri ontoloji halinde bulundurarak bu ontololojik verilerden kural tabanlı çıkarsamalar yaparak kullanıcılara ilgili eğitim materyallerinin önerilmesini gerçekleştirmektedir. [2] ile [6] da da anlamsal olarak önerme yapabilen başka önerme sistemleri detaylı olarak anlatılmaktadır. 3 Yaman Çelişki Nedir? Çelişkiler, günlük hayatın her yerinde bulunmakta ve yaşamın bir parçasıdırlar. Sanatçıların, yazarların, politikacıların söylediği söylemler ve bulundukları eylemler zaman içerisinde birbirleriyle çelişebilmektedir. Aynı şekilde filmlerde, belgesellerde iki farklı zaman diliminde anlatılan veriler birbirleriyle çelişebilir veyahut eserlerde verilen kimi bilgiler eserin ana temasıyla aykırılık oluşturabilir. İşte Yaman Çelişki; filmlerdeki, belgesellerdeki çelişen bölümlerin veya sanatçıların, yazarların, siyasetçilerin birbirleriyle çelişen söylemlerinin ve eylemlerinin oluşturduğu ve hayatın daha başka bir çok alanında karşımıza çıkabilecek çelişkilerin belirlenerek kullanıcılar tarafından sosyal web yardımıyla internet ortamına taşınmasını ve paylaşılmasını sağlayan sosyal bir anlamsal web sitesidir. 3.1 Çelişki: Yaman Çelişki nin Asıl Yapıtaşı Çelişkiler, Yaman Çelişki nin asıl yapıtaşını oluşturmaktadır. Şekil 1 de Yaman Çelişki de sunulan örnek bir çelişki gösterilmektedir. Şekil 1 den de görüldüğü üzere bir çelişki beş kısımdan oluşmaktadır. Bunları tanımlamak gerekirse başlık, etiketleme kısmı (tagging), geçmiş kaynak, şimdiki kaynak ve yorum kısımlarıdır ve bu kısımlarda Anlamsal Web teknolojileri kullanılmaktadır. Şekil 2 den de görüleceği gibi Yaman Çelişki de çelişkiler ontolojik olarak sunulmaktadır. Bu ontolojileri yaratırken kullandığımız dil OWL dur. Yaman Çelişki ye nasıl yeni bir çelişki girilebileceğini anlatmamız gerekecek olursa, bir kullanıcının bir yazarın daha önceden yazdığı bir şeyle ilgili bugünkü demeçlerinin arasında bir tutarsızlık farkettiğini varsayalım. Kullanıcı bunu farketmesinin ardından, bu çelişkiyi Yaman Çelişki de yayınlamak amacıyla sisteme giriş yapıyor ve yeni bir çelişki ekleyeceğini söylüyor. Karşısına boş bir çelişki çıktıktan sonra kullanıcı Şekil 1 de de görülen başlık bölümüne çelişkiyle ilgili istediği gibi bir başlık yazıyor. Başlıktan sonra etiket kısmında yine çelişkinin kimler hakkında olduğuyla ilgili veri giriyor. Fakat, burada dikkat edilmesi gereken durum çelişkide etiket kısmının, başlık kısmı gibi basit bir şekilde metin tabanlı olmamasıdır. Etiket kısmına kullanıcı, kaynağın ne ile ilgili olduğunu yazmaya başladığında sistem Yaman Çelişki nin asıl bilgi tabanı olan ve ileride daha detaylı bir şekilde anlatılacak olan DBPedia dan uygun kişi adlarını döndürmektedir. Kullanıcı etiketlemeyi yaparken sadece bu döndürülen verilerden
seçimini yapabilmektedir. Burada etiketlerin DBPedia ya bağımlı olmasının amacı ileride bahsedilecek olan Yaman Çelişki de kullanıcıya önerilen çelişkilerin önerme işleminin etiketlerine dayandırılarak yapılmasından kaynaklanmaktadır. Daha sonra kullanıcı çelişkiye, çelişkiyle ilgili başlık ve etiketleri girdikten sonra, çelişkinin kaynaklandığı kaynakları girer. İlk kaynak bölümüne geçmişteki bir söylem veya davranışı konu alan video, resim, haber gibi bir kaynak girerken diğer kaynak bölümüne de ilkiyle çelişen ve tutarsızlık yaratan bir kaynağı girer. Ardından çelişkiyle ilgili kendi yorumunu girerek, kullanıcı çelişkiyi sisteme kaydedebilmektedir. 4 Yaman Çelişki de Kullanılan Anlamsal Web Bileşenleri 4.1 DBPedia Wikipedia üç milyonluk makale kapasitesiyle bugün Web deki en büyük ve başlıca veri kaynaklarından birini oluşturmaktadır. Bunun yanı sıra her gün yeni verilerin eklenmesi ve çoklu dil Şekil 1 seçeneğinin bulunması Wikipedia veri yönetimi ve işletimi alanında sektördeki en iddialı organizasyonlardan biri haline getirmektedir. DBPedia ontolojik veri tabanı olarak Anlamsal Web alanında öncü olan ve hizmet veren Wikipedia nın alt bir organizasyonudur. DBPedia da amaç Wikipedia daki metin tabanlı verilerin RDF formatında ontolojik verilere çevrilerek, anlamsal web alanında makineler arası etkileşime olanak sağlayacak şekilde ontolojik olarak sunulması ve web aracılığıyla bu verilere erişilmesinin mümkün kılınmasının sağlanmasıdır. Bu anlamda DBPedia kullanıcılara sağladığı geniş kapasitedeki bilgiler gelişmekte olan Anlamsal Web teknolojileri açısından hayati bir önerme sahip olmaktadır. DBPedia nın sosyal bir anlamsal web sitesi olan Yaman Çelişki nin asıl veritabanı olarak kullanılma nedeni de sahip olduğu ontoloji veri kaynağıdır. DBPedia nın Yaman Çelişki tarafından tercih edilmesinin bir diğer nedeni ise DBPedia nın WikiPedia daki güncellenen veya yeni eklenen verilere göre kendi ontolojik veritabanını hızlı bir şekilde güncellemesidir. Çünkü sosyal web de kullanıcıların etkileşim içinde olduğu dinamik bir ortam söz konusu olduğundan güncel verinin kullanımı kritik bir rol oynamaktadır. DBPedia, Wikipedia da yapılan bir değişikliği 1-2 dakika arasında kendi veri tabanına uyarlayabilmektedir [5]. 4.2 Etiketleme Günümüzde Web deki büyük miktardaki veriler arasından doğru olan kaynaklara erişmek çok zorlaştı. Web deki bu veri kirliliği kullanıcıları istedikleri kaynakları rahat ve kolay bulmaları doğrultusunda başka arayışlara itti. Bu arayışların sonucunda, web deki bu verilere ulaşımdaki kısıtları en aza indirgemek için Etiketleme kullanılmaya başlandı. Wikipedia da Etiketleme nin tanımı, kaynaklara veyahut birtakım verilere belli anahtar sözcükler atanma işlemi olarak geçmektedir. Etiketleme, web kullanıcılarına kaynakları kolayca sınıflandırmaları ve arama yaparken bu kaynaklara ulaşmaları açısından metadata özelliği sağladığından çok büyük kolaylıklar sağlamaktadır [6]. 4.2.1 Etiketlemenin Sosyal Web deki Önemi
Sosyal web teki verilerin çok büyük oranlara ulaşması nedeniyle kullanıcıların kendilerine uygun, aradıkları konularla alakalı kaynaklara erişip, bunları paylaşmaları gün geçtikçe zorlaşıyor. Bu doğrultuda Sosyal Web in etkin bir şekilde kullanımı amacıyla Etiketleme kaynak paylaşımında hayati bir rol oynamaktadır. Delicious, Youtube, Slideshare gibi sosyal web siteleri kaynaklarının tanımlanması için Etiketleme desteği veren web sitelerinden sadece bir kaçı [3]. Bir sosyal anlamsal web sitesi olan Yaman Çelişki de de aynı şekilde kaynaklara daha kolay ulaşım için etiketlenme kullanılmaktadır. Aynı zamanda, ilerde anlatılacağı üzere Yaman Çelişki de çelişkilerin etiketlerindeki veriler önermelerin yapılmasında asıl işi yapmakta ve hayati rol oynamaktadır. 5 Yaman Çelişki de Kullanıklan Ontolojik Veri Tabanları Şekil 2 Şekil 2 de görülebileceği gibi Yaman Çelişki de verilerin ontolojik olarak tutulduğu iki adet veri tabanı mevcuttur. Bu bileşenler SDB Store ve DBPedia da bulunan Virtuoso Triple Store dur. 5.1 Viruoso Triple Store Virtuoso Triple Store, DBPedia daki verilerin ontolojik olarak Subject Predicate - Object şeklinde tutulduğu veri tabanıdır. Şekil 2 den görülebileceği üzere bu veri tabanına ulaşım DBPedia nın dışarıya bir servis olarak sunduğu Sparql Endpoint e ilgili Sparql sorgularının gönderilip işletilmesinin ardından, sorguya uyan verilerin geri döndürülmesiyle yapılmaktadır [5]. 5.2 SDB Store SDB Store YamanCeliski nin içinde bulunan veri kaynağıdır. SDB Store da, kullanıcılar tarafından yaratılıp sisteme kaydedilen çelişkiler bulunmaktadır. SDB store verilerin ontolojik bir şekilde saklanmalarına olanak veren ve sorgulamalar için Sparql desteği veren bir veri tabanıdır. SDB Store un en büyük artısı Yaman Çeliski de ontoloji ile çalışılırken kullanılan temel bileşen olan Jena Anlamsal Web Framework ü ile uyumlu olarak kullanılabilmesidir. 6 Yaman Çelişki Önerme Modülü Bu bölümde anlatılacakları üç kısımda bölümleyebilirz. Açıklamak gerekirse yukarıda da anlatıldığı üzere Etiketleme nin sistemin önerme yapması için sağladığı faydalardan dolayı ilk bölümde Yaman Çelişki de ki etiketlemenin mantığı ve dayandığı temelleri anlatacağız. Bunun akabinde ikinci bölümde, yukarıda anlatılan önerme yaklaşımları arasından şu anda Yaman Çelişki de ana önerme tekniği olarak kullanılan Bilgi Tabanlı Önerme nin Yaman Çelişki de nasıl yapıldığından bahsedilecek ve son olarak şu anda yapımı devam eden yine yukarıda anlatılan önerme yaklaşımlarından biri olan İçerik Merkezli Önerme nin Yaman Çelişki de nasıl yapıldığı anlatılacaktır. 6.1 Yaman Çelişki de Etiketleme Şekil 1 de görülen about kısmı çelişkilerde tag lerin tutulduğu kısımdır. Fakat, Yaman Çelişki deki etiketleme yaklaşımı genel etiketleme yaklaşımından farklıdır. Çünkü, geleneksel etiketleme yaklaşımlarında genelde etiketlenen anahtar kelime direk metin tabanlı bilgi üzerine olmaktadır. Yaman Çelişki deyse bunun aksine etiketler
kaynakların ontoloji halindeki verilerinin bulunduğu DBPedia daki adreslerini kaydetmektedir. Etiketleme mekanizmasının nasıl yapıldığını anlatacak olursak, kullanıcı bir çelişki girmek istediği zaman çelişkideki etiketleme bölümüne her bir harf yazdığında, sistem kullanıcının yazdığı harfleri içinde barındıran DBPedia kaynaklarını kullanıcıya döndürüyor. Sistem bunu yapmak için kullanıcının her bir harf girişinde DBPedia nın Sparql EndPoint ine Sparql sorguları atarak DBPedia nın Virtuoso veri tabanından isimleri eşleşen kaynakların DBPedia adreslerini döndürüyor. Böylelikle kullanıcı ilgili olan kaynağı seçtiği zaman, sistem hemen çelişkinin ontolojisine bu adresleri yazıyor. Bu etiketleme işlemleri Yaman Çelişki de yapılan önermeler için hayati önem arz ediyor çünkü Yaman Çelişki de yapılan önermeler anlamsal olduğundan sistemin DBPedia gibi verileri makine tarafından anlaşılabilen ontoloji formunda saklayan başka bir sistemle iletişim kurması çok önemli. Bu doğrultuda etiketleme nin yaptığı işin tam olarak bu olduğunu söyleyebiliriz. Çelişkilerdeki etiketler Yaman Çelişki ile DBPedia arasındaki iletişim sağlanılmasından sorumludur. 6.2Bilgi Tabanlı Önerme lerin Yaman Çelişki deki Gerçekleştirimi Bilgi Tabanlı Önerme yaklaşımının ne olduğunu hatırlamamız gerekirse, bu yaklaşımda önermeler sistemin sahip olduğu bilgilere dayanılarak yapılır diğer önerme yaklaşımları gibi kullanıcılar arasındaki ilişkilerin aksine önerme gerçekleştirilirken tek önemli şey sistemin kaynaklar hakkında sahip olduğu bilgisidir. Yaman Çelişki de şu an aktif olarak kullanılan önerme yaklaşımı bu yaklaşımdır. Şimdi Yaman Çelişki deki önerme işleminin nasıl yapıldığını anlatalım. Bir kullanıcı ilgisini çeken bir çelişkiyle ilgili daha fazla detay almak için tıkladığı zaman önerme sistemi otomatik olarak çalışmaya başlamaktadır. Şekil 3 ten görülebileceği gibi önerme sistemi ilk olarak kullanıcının ilgilendiği kaynaktaki etiketleri almaktadır. Daha sonra bu etiketlerden kaynağın ilgili olduğu DBPedia kaynağının adreslerini aldıktan sonra, DBPedia veri tabanında bulunan bu kaynaklara benzer diğer kaynakları bulmak için bir Sparql sorgusu hazırlar ve bu sorguyu DBPedia nın Sparql endpoint kısmına benzer verileri almak amacıyla gönderilir. Ardından Yaman Çelişki önerme sisteminin hazırladığı sorgunun DBPedia tarafında işletilmesiyle DBPedia da yer alan, tıklanılan çelişkinin ilgili olduğu kaynaklarla benzer özelliklere sahip diğer kaynakların adresleri RDF formatında yeniden Yaman Çelişki tarafından alınır. DBPedia dan benzeyen kaynakların adresleri alındıktan sonra, önerme sistemi bir sorgu daha hazırlayarak çelişkilerin bulunduğu SDB store u sorgular. Her bir çelişki sisteme kaydedilirken, hakkında olduğu kaynakla ilgili DBPedia adresini etiket kısmında barındırdığından, önerme sistemi SDB Store da bulunan çelişkilerden aynı DBPedia adres değerine sahip çelişkileri belirler. Ardından bu çelişkilerin, kullanıcının ilgilendiği çelişkiyle benzer konularda olduğunun anlaşılması üzerine sitemde bulunan yeni çelişkilerde kullanıcıya ilgilendiği konularda daha fazla bilgi göstermek ve kullanıcının arayışlarına cevap vermek amacıyla gösterilir. 6.2İçerik Merkezli Önerme lerin Yaman Çelişki deki Gerçekleştirimi Yaman Çelişki deki kullanılması düşünülen bir diğer önerme yaklaşımı ise İçerik Merkezli Önerme dir. İçerik Merkezli Önerme nin ne olduğunu hatırlatmamız gerekirse bu önerme yaklaşımında tek bir kullanıcının tercihleri önerilen kaynakların temelini oluşturmaktadır. Kullanıcının tercihlerinin belirlenmesi işlemi ise kullanıcının baktığı kaynakların listesinin tutulmasıyla mümkün olmaktadır. Sistem önerilerini daha sonra bu listedeki bilgilere göre gerçekleşmektedir [1] [2] [4]. Yaman Çelişki de de İçerik Merkezli Önerme nin uygulanması aynen bu şekilde
düşünülmektedir ve şu anda gerçekleştirim aşamasındadır. Bu yaklaşımla yapılan Yaman Çelişki deki önermelerin nasıl bir yol izlenerek yapıldığını anlatacak olursak, Şekil 2 dekine benzer bir şekilde sistem Yaman Çelişki deki kullanıcı bilgilerinin ontolojik olarak saklanmasını ve SDB Store da tutulmasını sağlamaktadır. Bu şekilde kullanıcının her baktığı Çelişki deki etiketler kullanıcının ontolojik olarak saklanılan profil bilgilerine kaydedilmektedir. Tabii ki burada göz önünde bulundurulması gereken önemli unsur sistemin etiketler hakkında değerlendirme yapabilecek bir mekanizmaya sahip olabilmesidir. Bu mekanizmayı açıklamamız gerekirse, takdir edersiniz ki her çelişkinin hakkında olduğu konular aynı düzeyde popüler olmayabilir. Durum böyle olunca, elbette ki kullanıcının profiline kaydedilen her bir etiket bilgisinin sahip olduğu her çelişki aynı seviyede önerilemez. Bu doğrultuda sistem, kullanıcının profilinde yer alan etiketleri SDB Store da kayıtlı bulunan çelişkilerdeki görünme sıklığına göre bir derecelendirme yaparak kullanıcıya tercihleri doğrultusunda uygun ve anlamlı çelişkilerin önermesini yapabilecektir. 7 Gelecekte Yapılması Planlananlar Yaman Çelişki nin geliştirme ekibi olarak, sistemin kullanıcılara sağladığı önermelerin ileride DBPedia daki ontolojiler üzerinden çıkarsama yaparak ve Ortak İşbirlikçi Önerme yaklaşımını da uyarlayarak kullanıcıların karşısına yukarıda anlatılan Bilgi Tabanlı ve İçerik Merkezli Önerme yaklaşımlarının da bulunduğu hibrit bir önerme mekanizmasıyla çıkmayı hedeflemekteyiz. Ontolojiler üzerinde çıkarsama yapmaktaki amacımız DBPedia da kaynaklar hakkında sunulan veriler yardımıyla DBPedia da yer almayan ekstra verilerin ortaya çıkarılarak kullanıcıya bu veriler ışığında daha geniş çapta çelişki önermelerinin yapılmasıdır. Çıkarsama için örnek vermemiz gerekirse DBPepia da http://dbpedia.org/page/2000_summe r_olympics sayfasında 2000 Yaz Olimpiyatları ile ilgili bulunan kaynakta, olimpiyatta yer alan atletlerle ilgili dbpediaowl:numberofparticipatingathletes özelliği yer alırken, kaynakta olimpiyatın atletizm dalıyla ilgili hiç bir ilişkisi verilmemiştir. Fakat, eğer bir ortamda atlet varsa atletizm sporuyla bir ilişki olduğu kaçınılmaz bir gerçek olduğuna göre sistemin bu varsayımı yaparak 2000 Yaz Olimpiyatları ile ilgili önermeler yapılacağı zaman atletizm dalıyla ilgili kaynakları da önermesi çıkarsama yapıldığı zaman mümkün olabilecektir. İşte bizim Yaman Çelişki ekibi olarak amacımız, gelecek politika alanında bu tarz senaryolar ve ilişkileri kurarak sistemimizin önermeler yaparken Anlamsal Web in güçlü bir özelliği olan çıkarsama özelliğinden de faydalanabilmesidir. Aynı zamanda, yukarıda tanımlaması yapılan Ortak İşbirlikçi Önerme yaklaşımında sistemimize uyarlayarak, Yaman Çelişki de kullanıcılara çelişkiler önerilirken kullanıcılar arasında ilişkilerin kurulup benzer kullanıcılar baz alınarak ilgili kişilere ilgilerini çekebilecek ve daha kişisel çelişki önerilerinde bulunarak güçlü bir öneri yapısı kurmayı amaçlamaktayız. 8 Sonuç Yaman Çelişki nin, Önerme Modülü ile amaçladığımız Sosyal Web deki yüksek sayıdaki kullanıcıların etkileşimleri ve paylaşımları sonucu büyük miktarda verilerin ortaya çıkmasıyla sorun teşkil eden kullanıcıların talep ettikleri ve ilgi duydukları kaynaklara erişmelerine çözüm olabilecek bir yaklaşımın ve metodun gerçekleştirilmesiydi. Bu bildiride anlamsal web in temel unsurlarından biri olan ve verilerin makineler tarafından anlaşılmasına olanak veren Ontoloji ler vasıtasıyla önermelerin geleneksel önerme sistemlerinde metin tabanlı veriler baz alınarak yapılmasının aksine anlamsal web bileşenlerinin kullanıldığı sosyal web de kullanılabilecek hibrit bir anlamsal önerme sisteminin işleyişi anlatılmıştır. Sosyal bir anlamsal web sitesi olan Yaman Çelişki de gerçekleştirimi
yapılan Önerme Modulü nün, günümüzde kaynakların aşırı bir hızla arttığı sosyal platformlarda kullanıcılara ilgilendikleri kaynakları bulabilmeleri doğrultusunda sağladığı avantajlar anlatılmıştır. Ayrıca, Yaman Çelişki deki Önerme Modülü nün bundan sonraki aşamalarda ne şekilde geliştirileceği ve ne gibi yenilikler kullanılarak sosyal web kullanıcılarına istedikleri ve ilgilendikleri kategorilerdeki verilere daha kolay ulaşabilmelerinin sağlanabileceği ifade edilmiştir. [9] A Proposed Semantic Recommendation System for E- Learning Kaynaklar [1] Hybrid Recommender Systems : Survey and Experiments [2] Wiki-Rec : A Sematic Based Recommendation System Using WikiPedia [3] Vlad Posea, Stefan Trausan-Matu (2010). Bringing The Social Semantic Web to the Personal Learning Environment [4] Toward the Next Generation of Recommendar Systems [5] DBPedia A crystallization Point for the Web of Data, Christian Bizer [6] SITIO : A Social Semantic Recommendation Platform [7] http://www.facebook.com/press/info.ph p?statistics [8] http://techcrunch.com/2010/06/08/twitt er-190-million-users/