Ontoloji Mühendisliği alanında internette araştırma yaptığımda yeterli bilgi edinemediğim için bende bu alan içerisinde öğrendiğim bilgileri aktarmak istedim. Tek bir blog yazısı olarak kalmayıp küçük bir seri halini almasını umuyorum.

Öncelikle bu alanın temel sorusuVeriyi daha anlamlı nasıl tutabiliriz?” dir ve Ontoloji Mühendisliği iki temel konu üzerinde durmaktadır. Veri anlamlı bir şekilde tutulsun ve makineler bu anlamlı veriyi anlayıp yorumlasın. Bir örnek ile de veri nedir, bilgi nedir, üst veri(meta data) nedir gibi kavramları açıklayalım.

                                       13028811484

Yukarıda rakamlardan oluşan bir örnek bulunmaktadır. Sadece bu rakamları görerek bunun ne olduğu hakkında bir şey öğrenebilmekte miyiz? Hayır. 13028811484 bir veridir. Veri; anlamlı yada anlamsız her şeydir. Peki bu haliyle bilgi midir? Değildir. Çünkü bu rakamlara bakarak hiçbir şey öğrenemedik. Bilgi de verinin anlamlı haline denir. Veri ile ilgili birşey öğrenirsek anlamlandırabiliriz.

Peki bu rakamların bir öğrenci numarası olduğunu söylersem? Bu da bir veri oldu artık. Fakat farklı bir veri. Diğer veri hakkındaki veri, öğrenci numarası dır. Yani “13028811484“, “öğrenci numarası” dır dediğimde bu öğrenci numarası bir üst veri(meta data) dir. Buradan da anlaşılacağı gibi bir üst veri(meta data); veriyi tanımlayan veridir.

Artık 13028811484 + öğrenci numarası birleşerek bilgi halini alıyor.

Tüm verilerden oluşan kümeye model denilmektedir. Üst verinin de bir modeli vardır.

Yine 13028811484 örneğini ele aldığımızda biz bunun öğrenci numarası olduğunu biliyoruz. Birde diyorum ki bu öğrenci numarasının 3. ve 4. rakamı öğrencinin giriş yılıdır. Şimdi ne oldu? Bir kat daha anlamlandı veri. Yani ne kadar üst veri(meta data) sunulursa o kadar anlaşılabilir olmakta. Daha bu öğrenci numarasının rakamlarının bir sürü üst verisi(meta data) bulunmaktadır.

Meta datalardan da oluşan kümeye de üst model denilmektedir. Yani öğrenci numarası + 3. ve 4. rakamı öğrencinin giriş yılı bir üst modeldir.

Bizim beynimizde bu verileri anlamlandıran kurallar bulunmaktadır. Mesela BLM301 dediğimizde bunun bir dersin numarası, kodu olduğunu biz otomatik anlıyoruz. Fakat makineler böyle değil. Burada istenilende benim gönderdiğim veriyi makineler de anlasın, anlamlandırabilsin bizim gibi.

Makinenin bunu anlaması için üst verileri vermek lazım. Peki bu yeterli mi? Makine nasıl yorum yapacak, anlayacak? Makinenin anlaması demek elektronik devreye şunu yap demektir. O zaman anlamlandırdınız demektedir. En alta kadar neyin ne olduğunu makineye açıklamanız gerekmektedir.

Amacımız veriyi anlamlandırabilmek ya, o zaman veriyi saklarken anlamıyla beraber saklayalım. Üst veri kimde varsa o da anlasın. Bunu yapabilmek için birincisi; verinin üst verisini tutabilecek teknoloji lazım. İkincisi; hem verinin hem üst verinin logic tabanlı tutulması lazım. Bunları görünce matematiğe kadar indirgemem lazım yani. Anlamı burda açığa çıkıyor. Makine böyle anlıyor, 1 0 lar ile, logic ile. Bunun için de logic tabanlı dillere ihtiyaç var yani.

Ontoloji dilleri XML‘in üzerine geliştirilmiş dillerdir. XML ile verileri formatlı gönderiyoruz. Ama bu anlamı demek değildir. Bu dillerdeki her ifade logic ifadelere indirilebiliyor. Böylelikle anlam katıyor.

Daha sonraki yazılarımda aşağıdaki görülen ontoloji dillerini aşağıdan yukarıya doğru bir sıra ile daha detaylı bir şekilde anlatacağım.

ontoloji_1

Ontoloji Mühendisliğine giriş bakımından anlatacaklarım bu kadardı. Umarım faydalı bir yazı olmuştur. Bir sonraki yazıda görüşmek üzere. İyi çalışmalar. 🙂

687 Total Views 3 Views Today
Share on FacebookTweet about this on TwitterShare on Google+Share on LinkedIn