Le nuove frontiere nella gestione della conoscenza sul Web

1
Le nuove frontiere nella gestione della
conoscenza sul Web

• Fabio Ciotti

2
La gestione della conoscenza sul Web

• Una delle conseguenze più rilevanti della
  diffusione del Web è il problema dell'information
  overload
• I motori di ricerca full-text generalisti hanno
  successo perchè
• Richiedono un minimo sforzo dellutente (inserire
  keyword in una semplice form ed eventualmente
  raffinare la richiesta aggiungendo/cambiando
  parole)
• Forniscono risultati rilevanti, numerosi e
  pronti per luso
• Ma la ricerca è unattività costosa e
  inefficiente
• linformation overload costringe lutente ad una
  cernita manuale durante la quale possono sfuggire
  le informazioni maggiormente rilevanti
• i risultati non garantiscono di essere esaustivi
• non sono gestite le problematiche del
  pluringuismo le omonimie e le sinonimie
• In generale possiamo dire che la ricerca di
  informazioni sul attualmente non è in grado di
  eseguire alcun filtraggio basato sui concetti

3
La gestione della conoscenza sul Web

• Un'altra conseguenze della diffusione del Web è
  il passaggio dai sistemi informativi monade ai
  sistemi aperti e interoperabili
• Nei primordi del Web la semplicità
  dellarchitettura (basata su HTTP/URL/HTML in
  modalità client side) forniva sufficienti
  garanzie per far interagire senza limiti gli
  agenti presenti nel sistema
• Lintroduzione dellelaborazione server side
• laumento della complessità dei servizi erogati
• la necessità di interazione tra sistemi
  informativi diversi ha richiesto soluzioni
  tecniche sempre più avanzate
• Linteroperabilità è divenuta uno dei requirement
  principali di un sistema informativo Web

4
La gestione della conoscenza sul Web

• Al fine di garantire linteroperabilità possono
  adottare due strategie
• standardizzazione a priori di architetture e
  linguaggi (omogeneità dei sistemi)
• definizione di protocolli di interoperabilità tra
  sistemi eterogenei

5
La gestione della conoscenza sul Web

• Un ruolo centrale in entrambi i casi è svolto
  dallintroduzione di XML
• XML è un formalismo per la modellizzazione di
  documenti digitali da pubblicare sul Web
  sottoforma di alberi etichettati
• In virtù della sua flessibilità sintattica XML è
  stato ampiamente adottato come formato di
  serializzazione (cioè rappresentazione in forma
  di stringa lineare di caratteri codificati) per
  modelli di dati non intrinsecamente gerarchici
  (reti, grafi, tabelle, strutture relazionali)

6
La gestione della conoscenza sul Web

• I vantaggi di XML in questo campo sono numerosi
• standard aperto
• specifiche chiare, complete e abbastanza semplici
  da implementare
• alto livello di portabilità
• possibilità di definire il proprio linguaggio di
  rappresentazione formale dei dati
• possibilità controllo sintattico/strutturale
  rigoroso dei dati codificati

7
La gestione della conoscenza sul Web

• XML infatti si basa sulla associazione di
  etichette descrittive ai dati
• Etichette e dati sono memorizzati in formato
  testuale (stringhe di caratteri codificati in
  Unicode)
• Sia il vocabolario delle etichette utilizzabili
  sia la struttura sintattica che ne regola luso
  possono essere stabilite a priori mediante la
  definizione di uno schema
• I dati possono essere validati automaticamente
  rispetto allo schema mediante un processo di
  parsing

8
La gestione della conoscenza sul Web

• Queste caratteristiche hanno fatto si che XML
  assumesse un ruolo centrale nella costruzione di
  linguaggi standard per la rappresentazione di
  dati e metadati, divenendo una sorta di esperanto
  sintattico
• Il problema è che XML di per sé non può giocare
  nessun ruolo nel garantire il trattamento
  semantico (automatica) dei dati, sebbene spesso
  si senta affermare il contrario

9
La gestione della conoscenza sul Web

• XML is a poor language for data modelling if the
  goal is to represent information objects in the
  problem domain such that they correspond
  transparently ("one-to-one") to the user's
  conceptual model of objects in this domain.
• Robin Cover, XML and Semantic Transparency
• XML permette esclusivamente di esprimere semplici
  relazioni strutturali
• gerarchia (A contiene B)
• adiacenza (A seguito da B)
• co-occorrenza (se A allora anche/non B)
• Con lintroduzione degli schema language si è
  aggiunta la possibilità di tipazione dei valori
  di elementi e attributi eguagliando la
  espressività semantica dei DBMS

10
La gestione della conoscenza sul Web

• XML non aggiunge senso ai dati, almeno non lo
  aggiunge in modo computazionalmente
  accessibile/trattabile
• Lerrore deriva da una sorta di fallacia
  interpretazionale dovuta al fatto che
• le etichette XML sono leggibili e comprensibili
  da un utente umano,
• di norma il vocabolario utilizzato nei linguaggi
  XML usa termini sensati tratti da una lingua
  naturale
• Ma la semantica del vocabolario XML è del tutto
  inaccessibile a un elaboratore XML

11
La gestione della conoscenza sul Web

• Per un parser
• lttitlegtIl fu Mattia Pascallt/titlegt
• ltblobgtIl fu Mattia Pascallt/blobgt
• sono entrambi frammenti perfettamente accettabili
• È la mente dellagente umano che legge il
  documento XML a fornire una semantica al markup
• eventualmente associandovi una apposita
  documentazione in lingua naturale (come il
  manuale EAD, TEI, METS, MODS etc)

12
La gestione della conoscenza sul Web

• Si noti che anche i successivi livelli di
  elaborazione di un sistema basato su XML non
  risolvono il problema
• Ad esempio una trasformazione XSLT è in grado di
  prendere in input un albero XML A e trasformarlo
  nellalbero B, ma di nuovo tutto avviene sulla
  base esclusiva di vincoli sintattici e
  strutturali
• Nessuna trasformazione XSLT può introdurre
  complessità semantica
• ad esempio prendere i nomi unitari in un set di
  metadati DC e dividerli in componenti come
  previsto da MODS
• a meno di complessi insiemi di regole ad hoc o
  delluso di vocabolari controllati preesistenti

13
La gestione della conoscenza sul Web

• Perché questo è un problema? Torniamo a
  considerare il discorso iniziale sulla centralità
  dellinteroperabilità e sulle strategie per
  conseguirla
• Se si sceglie di percorrere la strada della
  standardizzazione a priori lindifferenza
  semantica di XML (e di qualsiasi altro
  metalinguaggio di modellizzazione dati) non
  sarebbe un problema rilevante
• In questo caso infatti una comunità di utenti
  decide di adottare un vocabolario
• condiviso
• definito a priori
• con una semantica chiara e prefissata
• Chiunque può sviluppare delle applicazione di
  elaborazione e scambio dei dati consistenti a
  tale standard
• Si tratta di una pratica ben nota nel mondo delle
  biblioteche e degli archivi che sin dai primordi
  dellautomazione hanno avvertito lesigenza di
  definire modelli di descrizione (oggi le
  chiameremmo ontologie), formati, vocabolari
  controllati per la descrizione semantica
  tendenzialmente condivisi da MARC a Dublin Core,
  da ISBD a ISAD a FRBR, dal soggettario LC ai vari
  thesaura settoriali..

14
La gestione della conoscenza sul Web

• Tuttavia questa strategia è adottabile solo in
  ambienti chiusi e omogenei o in domini ristretti
• Non appena il dominio applicativo si estende o
  lambiente si estende e diviene eterogeneo (come
  nel Web) luniformità a priori dei linguaggi
  descrittivi non è praticabile
• sia perché esistono numerosi standard diversi che
  insistono sul medesimo dominio
• sia perché ci sono profili di adozione e
  applicazione diversi del medesimo standard

15
La gestione della conoscenza sul Web

• Si pone dunque lesigenza di individuare dei
  sistemi di interoperabilità semantica che
  consentano
• lintegrazione di sistemi eterogenei
• lerogazione servizi avanzati di descrizione ed
  elaborazione semantica.
• In questa direzione si muovono le sperimentazioni
  che complessivamente ricadono nellarea del
  Semantic Web

16
La gestione della conoscenza sul Web

• Il termine Semantic Web è stato coniato nel
  2001 da Tim Berners Lee
• Obiettivo aumentare lefficacia del World Wide
  Web come luogo di elaborazione e scambio di
  conoscenza attribuendo ad agenti software la
  capacità di
• analizzare il significato dei documenti in esso
  presenti,
• di selezionarli o confrontarli in modo
  semanticamente rilevante
• di inferirne conseguenze non esplicitate.
• Questo obiettivo visto nella sua generalità
  richiede numerose e rilevanti innovazioni
• sia dal punto di vista tecnico, con la
  convergenza tra alcune tecnologie sviluppate
  nellambito della rappresentazione e gestione
  della conoscenza in Intelligenza Artificiale e
  quelle create per implementare larchitettura del
  Web
• sia da quello dei comportamenti sociali degli
  utenti, poiché il progetto richiederà il
  contributo diffuso dellintera comunità della
  rete.

17
La gestione della conoscenza sul Web

• Lidea alla base del Web Semantico consiste
  nellassociare alle risorse informative
  disponibili in varie forme sul Web una
  descrizione formale del loro significato
• Tale descrizione può essere elaborata
  autonomamente da un agente software in modo
  significativo (cioè tenendo conto di che cosa
  essa significhi), così da dedurne conseguenze
  implicite e generare automaticamente nuova
  informazione
• Le ricadute applicative di questo progetto sono
  numerose
• creazione di sistemi di ricerca dellinformazione
  guidati dalla semantica
• interazione multilinguistica uomo-macchina e
  macchina-macchina
• creazione di applicazioni di e-commerce
  intelligenti
• sviluppo di agenti software autonomi

18
La gestione della conoscenza sul Web

• Nellarchitettura disegnata da Berners-Lee e dai
  suoi collaboratori presso il W3C Consortium, le
  componenti tecnologiche che dovranno contribuire
  alla costruzione del Web Semantico sono le
  seguenti
• URI
• RDF
• ontologie formali (e relativi linguaggi)
• motori inferenziali

19
La gestione della conoscenza sul Web

• Le URI, sono i formalismi che consentono di
  identificare le risorse sulla rete.
• Ogni risorsa dal singolo documento, a sue
  parti, a oggetti ed entità in essi menzionate, a
  collezioni di documenti deve avere un suo
  identificativo URI, affinché possa essere
  univocamente individuata nello spazio informativo
  costituito dal Web.
• Una volta che una risorsa sia identificata in
  modo univoco è possibile esprimere su di essa
  asserzioni che
• ne descrivono il contenuto
• o esprimono ciò che un utente pensa su tale
  contenuto
• in generale ne specificano proprietà da vari
  punti di vista
• Queste asserzioni sono informazioni che si
  riferiscono ad altre informazioni, ovvero
  metadati semantici

20
La gestione della conoscenza sul Web

• Naturalmente, affinché i metadati semantici siano
  utilizzabili non solo dagli esseri umani ma anche
  dai computer, è necessario che vengano espressi
  in un linguaggio che sia computazionalmente
  trattabile sia dal punto di vista sintattico sia
  da quello semantico
• È questo il fine del Resource Description
  Framework (RDF)
• Si tratta di un metalinguaggio dichiarativo per
  la formalizzare di asserti (predicati) che
  esprimono proprietà di e relazioni tra risorse

21
La gestione della conoscenza sul Web

• Larchitettura di RDF è basata su tre concetti
• Risorse tutto ciò che viene descritto. Ogni
  risorsa è identificata da un URI (può essere
  anche un oggetto non accessibile dal Web)
• Proprietà una coppia attributo-valore associata
  alla risorsa.
• Ogni proprietà ha un significato specifico
• una serie di valori leciti
• è associabile ad uno o più tipi di risorsa
• Proprietà e i valori possono essere espresse da
  URI ma anche da valori letterali
• Asserzioni (statement) lassociazione di una
  proprietà a una risorsa
• Ogni asserzione ha una struttura soggetto -
  predicato - oggetto
• In RDF sono consentite solo relazioni binarie

22
La gestione della conoscenza sul Web

• Fabio Ciotti
• è lautore di
• http//www.laterza.it/internet/leggi/internet2004
  /index.htm
• La proprietà Autore della risorsa
  http//www.laterza.it/internet/leggi/internet2004
  /index.htm vale Fabio Ciotti

http//www.laterza.it/internet/leggi/internet2004/
index.htm
Fabio Ciotti
Autore
Risorsa
Proprietà
Letterale
23
La gestione della conoscenza sul Web

• Larchitettura prevista da RDF si divide in due
  parti
• Resource Description Framework (RDF) Model and
  Syntax Specification le cui specifiche sono
  state rilasciate come raccomandazioni definitive
  nel febbraio 1999 definisce
• il modello dei dati
• la sintassi di RDF, basato su XML (ma è stata
  sviluppata una notazione più compatte per
  esprimere asserzioni RDF, Notation 3)
• RDF di per sé non fa alcuna assunzione circa il
  vocabolario specifico o la tipologia delle
  proprietà che si possono attribuire e delle
  relazioni tra tali proprietà
• A tale fine occorre definire un RDF Schema, la
  seconda parte dellarchitettura RDF (RDF
  Vocabulary Description Language 1.0 RDF Schema)
• Una volta che uno schema è stato definito
  formalmente e pubblicato, chiunque può adottarlo
  e utilizzarlo per costruire descrizioni RDF dei
  propri documenti

24
La gestione della conoscenza sul Web

• Potranno esistere numerosi schemi, basati su
  diverse concettualizzazioni di particolari
  domini, su diverse nomenclature e su diverse
  lingue
• Occorre un sistema per specificare le relazioni
  logico-semantiche (equivalenza, specificazione,
  generalizzazione, istanziazione, cardinalità
  etc.) tra oggetti e proprietà di un medesimo
  schema e di schemi diversi
• Ad esempio, in un schema la relazione di
  autorialità potrà essere indicata con il
  termine author che fa parte della classe
  creator in funzione di soggetto, il cui
  oggetto è una certa risorsa
• In un altro potremmo avere che il soggetto è il
  documento di cui si predica la proprietà essere
  scritto da un esponente della classe
  responsabili intellettuali caratterizzato dalla
  proprietà primario
• Evidentemente si sta parlando dello stesso
  insieme di individui e relazioni (un dominio), ma
  in modo diverso

25
La gestione della conoscenza sul Web

• Le ontologie formali sono un sistema ideato per
  definire formalmente domini concettuali e
  indicare in che modo essi sono espressi da schemi
  logici e nomenclature differenti
• Esistono numerosi linguaggi formali per
  specificare ontologie. In particolare nel
  contesto del progetto Web Semantico è stato
  sviluppato il Web Ontology Language (OWL),
  derivato dal DARPA Agent Markup Language
  (DAMLOIL)

26
La gestione della conoscenza sul Web

• OWL si divide in tre livelli a seconda della
  capacità espressiva
• OWL Lite
• principalmente rivolto alla formalizzazione di
  tassonomie gerarchiche e thesaura
• permette di esprimere solo cardinalità zero o uno
• esclude alcuni costrutti che esprimono relazioni
  tra classi (disgiunzione, unione, istanziazione)
• facilmente implementabile in sistemi inferenziali
• OWL Description Logic
• basato sul modello delle description logic (una
  formalizzazione logica decidibile e computabile
  del concetto informale di rete semantica e frame
  dotata di una semantica formale completa)
• include tutti i costrutti di OWL, ma fornisce
  alcuni vincoli sul loro uso.
• una classe può essere sottoclasse di una classe,
  ma non istanza di una classe non si possono
  esprimere restrizioni di cardinalità per
  proprietà transitive
• notevole espressività mantenendo la completezza
  computazionale e la trattabilità
• OWL Full
• OWL Full serve per quegli usi in cui è necessaria
  la massima espressività e la libertà sintattica
  di RDF senza nessuna garanzia computazionale.
• in OWL Full i livelli si mescolano, ed è lecito
  trattare una classe simultaneamente come una
  collezione di individui e come un individuo a sé
  stante.
• attraverso OWL Full unontologia può arricchire
  il modello semantico predefinito dai vocabolari
  di RDF e OWL.
• non è decidibile (equivalente a logica dei
  predicati) e dunque difficilmente implementabile

27
La gestione della conoscenza sul Web

• Una architettura alternativa a RDF/S-OWL, ma
  dotata di funzioni e scopi simili, è quella delle
  Topic Map
• Topic Map è uno standard definito dalla ISO (ISO
  13250)
• Nasce come meccanismo per la rappresentazione di
  tassonomie e reti concettuali cui associare come
  istanze risorse informative sia off-line sia
  on-line

28
La gestione della conoscenza sul Web

• Una topic map è costituita da un insieme di
  soggetti (i concetti astratti) che vengono
  rappresentati sottoforma di topic (i concetti
  oggettivati o reificati)
• Ogni topic ha uno o più nomi ma esprime uno e un
  solo soggetto (cui può essere formalmente
  collegato)
• Ogni topic può essere istanziato da una o più
  risorse informative (occorrenze)
• Ogni topic può essere inserito in diverse
  relazioni (associazioni) con altri topic

29
La gestione della conoscenza sul Web

• A differenza di RDF
• in TM le associazioni (relazioni) possono essere
  n-arie
• ci sono delle relazioni predefinite in TM che
  consentono di esprimere
• rapporti classe/sottoclasse
• rapporti tipo/istanza
• ci sono costrutti per esprimere direttamente il
  tipo di una topic o il ruolo che svolge in una
  associazione

30
La gestione della conoscenza sul Web

• Una TM costituisce dunque la formalizzazione di
  una rete concettuale collegata allinsieme delle
  risorse informative che veicolano tali concetti.
• Anche le TM hanno una sintassi di serializzazione
  XML (XTM) e una non XML (Linear Topic Map)
• È in corso di sviluppo un linguaggio per le
  espressione di restrizioni ontologiche su topic e
  associazioni (TMCL) e uno per linterrogazioni di
  Topic Map (TMQL)

31
La gestione della conoscenza sul Web

• Molti esperti nutrono non pochi dubbi sul fatto
  che larchitettura del Web Semantico, almeno
  nella sua versione più ambiziosa e universale,
  potrà mai trasformarsi da sogno a realtà
• Diverso il discorso relativo allapplicazione di
  tecnologie di Semantic Web a domini circoscritti
  e limitati, che già iniziano a essere
  sperimentate e implementate
• Tra queste applicazioni locali di particolare
  interesse possono essere quelle nel dominio della
  biblioteche e degli archivi digitali

32
La gestione della conoscenza sul Web

• sistemi di organizzazione e reperimento su
  collezioni locali o distribuite basati sulla
  semantica
• si veda AustLit http//www.austlit.edu.au/
• il progetto di una ontologia della letteratura
  Italiana di Bibit per generi, temi, cronologia
• integrazione di metadati da fonti informative
  distribuite che adottano schemi descrittivi o
  semantici diversi (OAI semantic web)
• estensione della funzione dellauthority control
• authority file come rete semantica

33
La gestione della conoscenza sul Web

• Problemi aperti
• 1) esistono possibilità di interoperabilità tra i
  due paradigmi RDF/OWL e TM?
• 2) come popolare una rete concettuale/ontologia
  di vaste dimensioni?

34
La gestione della conoscenza sul Web

• Linteroperabilità tra TM e RDF è oggetto di
  numerose proposte teoriche e tecniche
• La risposta in generale è.
• Si anche se la cosa non è così semplice!!!
• Si veda il rapporto A Survey of RDF/Topic Maps
  Interoperability Proposals, http//www.w3.org/TR/r
  dftm-survey/

35
La gestione della conoscenza sul Web

• Sviluppare e popolare ontologie è faticoso e
  costoso, ma.
• se lo sviluppo del livello ontologico vero e
  proprio richiede necessariamente un intervento
  umano di concettualizzazione e formalizzazione
• ..la costituzione di relazioni di istanziazione
  tra risorse e concetti può essere parzialmente
  automatizzata
• 1) adozione di tecnologie di data mining,
  clustering e knowledge discovery su vaste masse
  documentali (si veda il progetto NORA Web-based
  Text-Mining and Visualization for Humanities
  Digital Libraries della University of Illinois
  diretta da John Unsworth - http//www.noraproject
  .org/)
• 2) definizione di un vocabolario controllato di
  parole chiavi da adottare come descrittori
  semantici tradizionali che poi vengono collegati
  a una rete concettuale o a una ontologia formale
  in grado di fungere da base per processi
  inferenziali
• 3) integrazione di sistemi basati su schemi
  formali con Folksonomies... una strada la cui
  fattibilità tecnica resta da esplorare che
  presenta in particolare la criticità della
  gestione di inconsistenze su vasta scala