Enhancing efficiency in large-scale search: From traditional to neural retrieval systems
Büyük ölçekli aramada verimliliği artırmak: Gelenekselden sinirsel getirme sistemlerine
- Tez No: 1002662
- Danışmanlar: PROF. DR. İSMAİL SENGÖR ALTINGÖVDE
- Tez Türü: Doktora
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2026
- Dil: İngilizce
- Üniversite: Orta Doğu Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
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.
Özet (Çeviri)
Efficient retrieval of relevant documents from massive collections remains an essential challenge in Information Retrieval (IR). Modern search engines face immense computational demands, requiring novel approaches that reduce resource usage without sacrificing retrieval effectiveness. This thesis makes significant contributions to improving search efficiency through three distinct methods. First, we introduce innovative document reordering techniques specifically optimized for dynamic pruning algorithms. Our proposed methods achieve up to 1.33x speed-up in query processing, accompanied by negligible increases in index size and minimal impact on retrieval quality. Second, we present novel sparse centroid retrieval strategies tailored to the ColBERT neural retrieval model. These techniques accelerate ColBERT-based retrieval by up to 4.6x while maintaining high effectiveness and minimal additional indexing overhead. Lastly, we propose novel static pruning methods for ColBERT document embeddings that eliminate approximately one-third of the tokens from indexed documents without any loss in retrieval effectiveness. Critically, our pruning methods require no separate training stages, ensuring ease of integration into existing retrieval systems. Collectively, these contributions offer substantial advancements in retrieval efficiency, making large-scale IR systems faster, more scalable, and economically sustainable.
Benzer Tezler
- Derin öğrenme destekli dielektrik rezonatör anten tasarımı
Deep learning assisted dielectric resonator antenna design
FİDAN GAMZE KIZILÇAY
Doktora
Türkçe
2026
Elektrik ve Elektronik MühendisliğiSakarya ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. MUHAMMET HİLMİ NİŞANCI
- Incremental heuristic meta-learning using reinforcement learning
Pekiştirmeli öğrenme kullanarak artımsal sezgisel üst-öğrenme
ONUR KARADELİ
Doktora
İngilizce
2026
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ŞULE ÖĞÜDÜCÜ
- Evaluation of vector and graph-based search methods in a banking knowledge platform using advanced language models
Bankacılık bilgi platformu için vektör ve grafik temelli arama yöntemlerinin gelişmiş dil modelleriyle değerlendirilmesi
BÜNYAMİN BAKIR
Yüksek Lisans
İngilizce
2025
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiBüyük Veri ve İş Analitiği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SÜHA TUNA
- Türkiye'de raylı sistem sektöründe yapı bilgi modellemesine geçiş süreçleri üzerine bir örnek olay incelemesi ve yönetimsel öneriler
A case study on building information modelling implementation processes of railway systems sector in Turkey and managerial suggestions
ELİF ARAÇ
Yüksek Lisans
Türkçe
2018
Mimarlıkİstanbul Teknik ÜniversitesiMimarlık Ana Bilim Dalı
DOÇ. DR. METİN TEBERLER
- Güç transformatörleri sfra tarama frekans cevabı analizi sonuçlarının yapay zeka uygulamaları ile karşılaştırılması
Comparison of power transformer sfra sweep frequency response analysis results with artificial intelligence applications
HAKAN ÇUHADAROĞLU
Doktora
Türkçe
2025
Elektrik ve Elektronik MühendisliğiSakarya ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. YILMAZ UYAROĞLU