Tez No	İndirme	Tez Künye	Durumu
256952		Anlamsal web için kural tabanlı bir melez çıkarsama yöntemi / A hybrid rule based reasoning algorithm for semantic web Yazar:ÖVÜNÇ ÖZTÜRK Danışman: YRD. DOÇ. DR. MURAT OSMAN ÜNALIR Yer Bilgisi: Ege Üniversitesi / Fen Bilimleri Enstitüsü / Bilgisayar Mühendisliği Ana Bilim Dalı Konu:Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol = Computer Engineering and Computer Science and Control Dizin:Akıllı sistemler = Intelligent systems ; Ontoloji = Ontology ; Çıkarım = Inference	Onaylandı Doktora Türkçe 2009 201 s.
Anlamsal Web üzerinde, büyük bir kısmı örneksel verilerden meydana gelen büyük ontolojiler kullanılacaktır. Bu ontolojiler üzerinde ölçeklenebilir çıkarsama yapabilecek yöntemleri geliştirmek Anlamsal Web'in gerçekleştirimi önündeki önemli engellerden biridir. Bu tez kapsamında Anlamsal Web ontolojileri üzerinde ölçeklenebilir çıkarsama ve sorgulama yapabilecek yeni bir yöntem sunulmaktadır. Bu yöntem üç temel parçadan oluşmaktadır: uzantı tabanlı bilgi modeli, bu modele uygun bir veritabanı şeması ve bu model üzerinde çalışan çıkarsama ve sorgulama algoritmaları. Yöntemin dayandığı uzantı tabanlı bilgi modeli ontolojileri özetleyerek çıkarsamanın bu özet üzerinde gerçekleştirilmesini sağlar. Çıkarsama yalnızca bu özet üzerinde gerçekleştiği için bellekte gerçekleştirilen ileriye zincirlemenin süre ve bellek gereksinimleri önemli ölçüde düşer. Sorgulama algoritması ise veritabanında saklanan ontolojik veriyi ve çıkarsanmış veriyi kullanarak sorguların eksiksiz ve doğru cevaplanabilmesi için özelleşmiş bir geriye zincirleme algoritmasıyla eksik kalan çıkarsamayı tamamlar. Tez kapsamında bu yöntemin gerçekleştirimi ve başarım deneyleri yapılmıştır. Ayrıca yöntemin nitelikleri ve başarımı, varolan benzer uygulamalarla karşılaştırılmıştır.
Ontologies with large scale of instance data will be used on Semantic Web. Developing scalable reasoning methods on these ontologies is one of the main obstacles in the realization of Semantic Web. This thesis presents a novel reasoning and querying method that scales well with ontologies having large scale of instance data. This method consists of three parts: extension based knowledge model, a database schema for this knowledge model and inference and query answering algorithms for the extension based knowledge model. The extension based knowledge model is an ontology summarization mechanism. The reasoning process is conducted on the ontology summary; therefore the time and memory consumptions of the forward chaining process decreases significantly. The query answering algorithm completes the reasoning process using the inferred data and the ontological data stored in database. In this thesis, the implementation and performance tests of the proposed method are completed. Besides, the features and performance of the method are compared with related applications in the literature.