Kurumsal PDF, şartname ve sözleşmelerinizde sayfa referanslı anlamsal arama motoru.

Dağınık Kurumsal Hafızayı Birleştiren, Sayfa Referanslı ve Sıfır Veri Sızıntılı Arama Motoru

Orta ve büyük ölçekli kurumlarda bilgi, farklı departmanların yerel ağ sürücülerinde (NAS/SAN), SharePoint klasörlerinde, ERP eklerinde ve teknik mühendislerin bilgisayarlarında parçalanmış vaziyettedir. Bir ihale şartnamesinde yer alan spesifik bir malzeme dayanım standardını, eski bir müşteri sözleşmesindeki cezai şart maddesini veya üretim hattındaki bir makinenin arıza kodunu bulmak; çalışanların yarım gününü onlarca klasör ve yüzlerce sayfalık PDF'ler arasında arama yaparak heba etmesine yol açar.

Klasik anahtar kelime arama araçları yalnızca tam harf eşleşmesi aradığı için "motor aşırı ısınma prosedürü" sorgusunda "termal aşırı yük talimatı" başlıklı dokümanı getiremez. Diğer yandan halka açık bulut yapay zeka araçlarına bu hassas dokümanları yüklemek; müşteri sözleşmelerinin, patentlerin ve ticari sırların şirket dışına sızmasına yol açarak ağır KVKK cezaları ve güvenlik ihlalleri doğurur.

Şirket içi yapay zeka doküman arama sistemi ile Appsoni; verinizi kesinlikle şirket dışına çıkarmayan, kurumun yerel sunucularında çalışan, hem anlamsal (semantik) hem anahtar kelime (BM25) hibrit araması yapan ve her bilginin kaynağını sayfa ve paragraf numarasıyla alıntılayan kurumsal bir bilgi arama platformu kurar.

---

Kurum İçi Hibrit Vektör Arama ve Yetkilendirme Topolojisi

Sistem, dokümanların yerel depolardan okunmasından anlamsal aramaya ve kaynak doğrulamaya kadar 5 katmanlı izole bir mimariyle çalışır:

[Kurumsal Veri Kaynakları: SMB/NFS Paylaşımları / SharePoint / ERP Ekleri / Taranmış PDF]
                                        │
                                        ▼ (Inotify & Dosya Değişim Dinleyicisi)
            [Belge Ayrıştırma ve OCR Katmanı (Tesseract-v5 / PaddleOCR / PyMuPDF)]
            ├─ Çok Sütunlu Sayfa Düzeni ve Tablo Ayrıştırma
            ├─ Akıllı Parçalama (Hierarchical Chunking: 512 token + 64 token overlap)
            └─ SHA-256 Belge Özeti ve Değişiklik İzi Takibi
                                        │
                                        ▼
             [Vektörleştirme ve Hibrit İndeksleme (Yerel Donanım / GPU)]
             ├─ Yoğun Vektör Modeli (BAAI/bge-m3 - 1024 boyutlu Dense Embedding)
             ├─ Seyrek Anahtar Kelime İndeksi (BM25 Sparse Inverted Index)
             └─ Vektör Veritabanı Kümesi (Qdrant / Milvus - HNSW İndeksi)
                                        │
                                        ▼
             [Güvenli Sorgu ve Yeniden Sıralama Katmanı (Reranker)]
             ├─ Active Directory / LDAP Rol Bazlı Ön Filtreleme (Payload Pre-filtering)
             ├─ Karşılıklı Sıralama Birleştirme (Reciprocal Rank Fusion - RRF)
             ├─ Çapraz Kodlayıcı Yeniden Sıralama (bge-reranker-v2-m3)
             └─ Kesin Kaynak Alıntısı (Doküman Adı, Versiyon, Sayfa ve Paragraf No)

---

Veri Modeli ve Teknik Konfigürasyon Şeması (53 Benzersiz Veri Noktası)

Şirket içi yapay zeka doküman arama motorunun arşivleme, parçalama, vektör parametreleri, güvenlik filtreleri ve donanım telemetrisi:

Tablo / Bileşen	Teknik Alan Adı	Veri Tipi	Sistem, Entegrasyon Protokolü ve Doğrulama Kuralı
dokuman_arsivi	dokuman_id	UUID	Kurumsal dokümanın tekil UUID v4 arşiv kayıt numarası
dokuman_arsivi	dokuman_adi	VARCHAR(255)	Orijinal dosya adı ('Teknik_Sartname_Turbin_v4.pdf')
dokuman_arsivi	dosya_yolu_smb	VARCHAR(500)	Yerel ağ depolama SMB/NFS dosya yolu ('//nas01/arge/sartnameler/')
dokuman_arsivi	dosya_uzantisi	VARCHAR(10)	'.pdf', '.docx', '.xlsx', '.dxf', '.tiff', '.pptx'
dokuman_arsivi	dosya_boyutu_mb	DECIMAL(8,2)	Megabayt cinsinden dosya boyutu (Maksimum test: 450 MB)
dokuman_arsivi	dosya_sha256_hash	CHAR(64)	Mükerrer veya revize doküman tespiti için SHA-256 özeti
dokuman_arsivi	dokuman_kategori	VARCHAR(40)	'TEKNIK_SARTNAME', 'ISO_PROSEDUR', 'ARGE_RAPORU', 'SOZLESME'
dokuman_arsivi	versiyon_kodu	VARCHAR(20)	Kurumsal revizyon kodu ('REV-04B', 'V2.1')
dokuman_arsivi	yayin_revizyon_tarihi	DATE	Dokümanın resmi yürürlük ve yayınlanma tarihi
dokuman_arsivi	dokuman_gizlilik_sinifi	VARCHAR(30)	'PUBLIC_GENEL', 'INTERNAL_KURUMICI', 'CONFIDENTIAL_GIZLI', 'STRICTLY_SECRET'
chunk_parcalama	chunk_uuid	UUID	Ayrıştırılan metin parçasının evrensel kimliği
chunk_parcalama	sayfa_numarasi	INT	Parçanın orijinal PDF içerisindeki sayfa numarası (Örn: 42)
chunk_parcalama	paragraf_sirasi	INT	İlgili sayfadaki paragraf sırası (Örn: 3)
chunk_parcalama	chunk_karakter_uzunlugu	INT	Parça karakter uzunluğu (Ortalama: 1.850 karakter)
chunk_parcalama	chunk_token_sayisi	INT	Token sayısı (Standart: 512 token penceresi)
chunk_parcalama	chunk_overlap_token	INT	Bağlam kopmasını önleyen örtüşme token sayısı (64 token)
vektor_indeks	vektor_embedding_id	VARCHAR(60)	Vektör veritabanındaki tekil vektör noktası ID'si
vektor_indeks	embedding_model_adi	VARCHAR(50)	'BAAI/bge-m3', 'multilingual-e5-large', 'nomic-embed-text'
vektor_indeks	embedding_vektor_boyutu	INT	Vektör uzayı boyut sayısı (1024 boyutlu)
vektor_indeks	embedding_mesafe_metrigi	VARCHAR(20)	'Cosine Similarity', 'Dot Product', 'Euclidean'
vektor_veritabani	vektor_veritabani_tipi	VARCHAR(30)	'Qdrant Enterprise', 'Milvus Cluster', 'Chroma'
vektor_veritabani	koleksiyon_adi	VARCHAR(50)	'appsoni_kurumsal_dokuman_v1'
vektor_veritabani	hnsw_m_degeri	INT	HNSW grafında düğüm başına düşen bağlantı sayısı (M=32)
vektor_veritabani	hnsw_ef_construct	INT	İndeks inşa arama hassasiyeti (ef_construct=128)
vektor_veritabani	hnsw_ef_search	INT	Sorgu anı arama derinliği (ef_search=64)
hibrit_arama	bm25_indeks_tablosu	VARCHAR(50)	PostgreSQL pg_trgm / Elasticsearch BM25 ters indeks tablosu
hibrit_arama	hibrit_arama_rrf_k	INT	Reciprocal Rank Fusion sıralama sabiti (k=60)
hibrit_arama	vektor_agirligi_alfa	FLOAT	Yoğun anlamsal vektör ağırlığı (0.65)
hibrit_arama	bm25_agirligi_beta	FLOAT	Seyrek anahtar kelime ağırlığı (0.35)
reranker_filtresi	reranker_model_adi	VARCHAR(50)	'BAAI/bge-reranker-v2-m3', 'Cohere-Rerank-Multilingual-Local'
reranker_filtresi	rerank_aday_sayisi_top_k	INT	Hibrit aramadan yeniden sıralamaya giden aday parça adedi (Top 30)
reranker_filtresi	rerank_nihai_sayisi_final_k	INT	Kullanıcıya ve modele sunulan nihai parça adedi (Top 5)
reranker_filtresi	rerank_esik_puani	FLOAT	Minimum alaka eşik skoru (Eşik: 0.72)
yetkilendirme_rbac	ldap_kullanici_dn	VARCHAR(200)	Active Directory kullanıcı ayırt edici adı (Distinguished Name)
yetkilendirme_rbac	ldap_grup_yetkisi	VARCHAR(60)	'CN=Arge_Muhendisleri,OU=Gruplar,DC=sirket,DC=local'
yetkilendirme_rbac	yetki_on_filtreleme_aktif	BOOLEAN	Qdrant payload pre-filtering filtresinin aktifliği (True/False)
sorgu_telemetrisi	sorgu_uuid	UUID	Kullanıcı arama sorgusunun tekil takip numarası
sorgu_telemetrisi	arama_sorgusu_metin	TEXT	Çalışanın arama çubuğuna girdiği serbest metin sorgusu
sorgu_telemetrisi	sorgu_tipi	VARCHAR(30)	'SEMANTIK_SORU', 'KOD_ARAMA', 'TABLO_SORGUSU'
sorgu_telemetrisi	arama_yanit_gecikmesi_ms	INT	Arama ve alıntı oluşturma toplam süresi (Hedef: < 480 ms)
dogrulama_katmani	yanit_kaynak_sayisi	INT	Üretilen yanıtta referans gösterilen geçerli kaynak sayısı
dogrulama_katmani	kaynak_guven_skoru	FLOAT	Alıntının soruyla eşleşme güven katsayısı (0.00 - 1.00)
dogrulama_katmani	hallucination_guardrail_skoru	FLOAT	Kaynakta yer almayan bilgi üretme kontrol skoru (Eşik: 0.90+)
dogrulama_katmani	kaynak_dogrulama_durumu	VARCHAR(25)	'VERIFIED_DOGRU', 'PARTIAL_KISMI', 'REJECTED_RED'
ocr_ve_gorsel	ocr_motoru_tipi	VARCHAR(30)	'Tesseract-OCR-v5.3', 'PaddleOCR-v4', 'ColPali-v1.2'
ocr_ve_gorsel	ocr_guven_puani	FLOAT	Optik karakter tanıma güven puanı (Ortalama: %98.4)
ocr_ve_gorsel	multimodal_gorsel_isleme	BOOLEAN	Sayfadaki teknik şema ve çizimlerin taranma durumu
donanim_ve_altyapi	donanim_gpu_tipi	VARCHAR(40)	'NVIDIA RTX 4090 24GB', 'NVIDIA L40S 48GB', 'NVIDIA A5000'
donanim_ve_altyapi	gpu_vram_kullanimi_gb	DECIMAL(5,2)	Gerçek zamanlı VRAM bellek tüketimi (Örn: 14.8 GB)
donanim_ve_altyapi	sunucu_ram_tuketimi_gb	DECIMAL(6,2)	Sistem RAM bellek tüketimi (Örn: 38.4 GB / 64 GB)
donanim_ve_altyapi	cpu_islemci_cekirdegi	INT	Tahsis edilen CPU çekirdek adedi (Örn: 16 Core / 32 Thread)
denetim_ve_izleme	denetim_kaydi_uuid	UUID	KVKK ve ISO 27001 uyumlu denetim izi tekil log numarası
denetim_ve_izleme	erisim_ip_adresi	VARCHAR(45)	Sorguyu yapan kurum içi yerel IP adresi ('192.168.10.142')

---

4 Aşamalı Kurulum ve Yerinde Devreye Alma Süreci

Appsoni uzmanları, şirket içi doküman arama platformunu 12 iş gününde kurumunuzun yerel sunucularına kurar ve devreye alır:

1. Aşama: Donanım Hazırlığı ve Yerel Altyapı Kurulumu (1-2. Gün)

Sunucu odanızdaki fiziksel GPU sunucularında Ubuntu LTS, NVIDIA CUDA sürücüleri, Docker ve izole konteyner mimarisi yapılandırılır. Qdrant veya Milvus vektör veritabanı kümesi kurulur, disk yazma/okuma performans testleri tamamlanır. Sistem tamamen kurum içi izole yerel ağa (Air-gapped / Private LAN) kilitlenir.

2. Aşama: Kurumsal Dosya Kaynakları ve OCR Boru Hattı (3-5. Gün)

Şirketinizin SMB, NFS, SharePoint veya doküman yönetim klasörleri bağlanır. Çok sütunlu teknik şartnameleri, taranmış faturaları ve mühendislik el kitaplarını sayfa düzenini bozmadan metne ve tablolara dönüştüren OCR boru hattı kurulur. Dosya değişimlerini izleyen otomatik dinleyici servisleri aktif edilir.

3. Aşama: Vektörleştirme, Hibrit Arama ve LDAP Entegrasyonu (6-9. Gün)

BAAI/BGE-M3 çok dilli gömme (embedding) ve BM25 anahtar kelime indeksleri inşa edilir. Kurumun Active Directory / LDAP sunucusuna güvenli LDAPS üzerinden bağlanarak rol bazlı erişim denetimi (RBAC) ve filtreler tanımlanır. Çalışanların yalnızca yetkili oldukları belgeler içinde arama yapabilmesi kod düzeyinde güvenceye alınır.

4. Aşama: Sayfa Referanslı Arama Arayüzü, Testler ve Eğitim (10-12. Gün)

Kullanıcı dostu, hızlı ve responsive yerel web arama portalı devreye alınır. Halüsinasyon önleyici doğrulama testleri (Guardrails) ve tolerans denemeleri yapılır. Ar-Ge, teknik destek, hukuk ve kalite ekiplerine kullanıcı eğitimleri verilerek sistem teslim edilir.