Vektör Veritabanı
Üretilen makale embeddinglerinin Qdrant üzerinde saklanması ve vektör tabanlı sorgulama altyapısının oluşturulması.
1. Vektör Veritabanı Altyapısı
Embedding aşamasında oluşturulan makale vektörlerinin düzenli ve ölçeklenebilir biçimde saklanması ve gerektiğinde vektör tabanlı sorgulamalarda kullanılabilmesi amacıyla Qdrant vektör veritabanı kullanılmıştır. Her makalenin 768 boyutlu embedding vektörü Qdrant koleksiyonuna aktarılmış; makaleye ait kimlik, başlık, konu/taksonomi bilgileri ve analiz sürecinde gerekli diğer metadata alanları ise ilgili vektörle birlikte payload içerisinde tutulmuştur. Böylece semantik temsiller ile makalelere ait tanımlayıcı bilgiler aynı yapı içerisinde ilişkilendirilmiş ve sonraki analiz aşamalarında sorgulanabilir hale getirilmiştir.
2. Koleksiyon ve Vektör Yapılandırması
Qdrant üzerindeki vektör indeksi aşağıdaki teknik parametrelerle tanımlanmıştır:
| Parametre | Değer | Açıklama |
|---|---|---|
| Collection Adı | trdizin_articles |
Tüm akademik makale vektörlerini barındıran ana koleksiyon |
| Named Vector | mpnet_v1 |
Çoklu vektör desteği için adlandırılmış vektör alanı |
| Vektör Boyutu | 768 |
MPNet modelinin çıktı boyutuyla birebir uyumlu yoğun vektör uzayı |
| Mesafe Fonksiyonu | Cosine (Kosinüs) |
Açısal anlamsal mesafeyi ve normalize benzerliği ölçen uzaklık metriği |
3. Metadata ve Payload Yapısı
Vektörlerin yanında saklanan payload yapısı, makalenin içeriksel ve taksonomik bağlamını tekilleştirilmiş bir biçimde barındırır. Bu alanlar şunlardır:
-
external_id: Makalenin TR Dizin veritabanındaki tekil sistem kimliği. -
title: Makalenin seçilen dildeki başlığı. -
abstract: Makalenin özet metni. -
keywords: Yazar ve dizin anahtar kelimeleri. -
subjects/subject_fullnames: Makaleye atanmış tüm resmi TR Dizin konu ve taksonomi yolları. -
publication_year&doi: Yayının yılı ve dijital nesne tanımlayıcısı.