Büyük ölçekli aramada verimliliği artırmak: Gelenekselden sinirsel getirme sistemlerine

---

Tezin Türü: Doktora

Tezin Yürütüldüğü Kurum: Orta Doğu Teknik Üniversitesi, Fen Bilimleri Enstitüsü, BİLGİSAYAR MÜHENDİSLİĞİ ANABİLİM DALI, Türkiye

Tezin Onay Tarihi: 2026

Tezin Dili: İngilizce

Öğrenci: ERMAN YAFAY

Danışman: İSMAİL SENGÖR ALTINGÖVDE

Özet:

Büyük ölçekli belge koleksiyonlarından etkin bir şekilde bilgi erişimi, Bilgi Erişim (BE) alanında temel bir sorun olmaya devam etmektedir. Modern arama motorlarının karşılaştığı yoğun hesaplama yükü, kaynak kullanımını azaltan, ancak arama kalitesinden ödün vermeyen yeni yöntemleri gerekli kılmaktadır. Bu tez, arama etkinliğini artırmak üzere üç özgün katkı sunmaktadır. İlk olarak, dinamik budama yöntemlerini hızlandırmak amacıyla geliştirilen yeni belge sıralama teknikleri öneriyoruz. Önerdiğimiz bu yöntemlerle sorgu işleme hızında 1.33 kata kadar iyileştirme sağlanırken indeks boyutunda ve arama kalitesinde ihmal edilebilir seviyede kayıplar gerçekleşmektedir. İkinci olarak, ColBERT nöral erişim modeli için özgün seyrek merkez tabanlı erişim teknikleri geliştirdik. Bu yöntemler ColBERT temelli sorgu işlemini, etkinlikten ödün vermeden ve indeks boyutunu minimal düzeyde artırarak 4.6 kata kadar hızlandırmaktadır. Son olarak, ColBERT belge vektörleri için yeni statik budama yöntemleri öneriyoruz. Bu yöntemler sayesinde indekslenen belgelerdeki token'ların üçte biri, herhangi bir etkinlik kaybı yaşanmaksızın çıkarılabilmektedir. Bu budama yöntemleri ayrıca ek eğitim süreçleri gerektirmediğinden, mevcut sistemlerle kolaylıkla entegre edilebilir niteliktedir. Tüm bu katkılar, büyük ölçekli BE sistemlerinin daha hızlı, ölçeklenebilir ve ekonomik olarak sürdürülebilir hale gelmesini sağlamaktadır.