Parte 2
Sistemi Gestione Documentale
- Il Documento Elettronico
- Introduzione alla gestione delle
basi Documentali
M. Diligenti
1
Elettronici e cartacei
Sistemi Gestione Documentale
Assumeremo documenti in formato
elettronico
Documenti cartacei posso essere
trasformati in documenti elettronici
tramite: OCR (Optical Character
Recognition)
Esempio: Google Book Search
http://books.google.com
M. Diligenti
2
Storia del Documento Elettronico
WYSIWYG “What You See Is What You
Get” Xerox, ‘70 primo Word processor
Sistemi Gestione Documentale
Word Processor diviene comunemente
diffuso con l’Apple Macintosh 1984
MS Word
M. Diligenti
3
Storia del Documento Elettronico
Sistemi Gestione Documentale
Donald Knuth (TeX) 1978-1989: utente scrive
contenuto, software impagina.
Trasposizione degli strumenti utilizzati in
tipografie professionali.
Documento viene compilato e non è possibile
vedere il risultato dei cambiamenti in tempo
reale.
2007: ancor oggi il TeX è lo strumento standard
per la creazione di documenti scientifici
M. Diligenti
4
Storia del Documento Elettronico
Sistemi Gestione Documentale
1991: WorldWideWeb primo browser per il
WWW reso pubblico da Tim Berners-Lee
1992: nasce Mosaic
1994: Netscape
1997-2007 il Web esplode. Cambiamento
epocale: documento non necessariamente in
locale per essere fruito
M. Diligenti
5
Perché la gestione documentale è
importante?
Sistemi Gestione Documentale
6
Molta informazione testuale è oggi non strutturata e sta
“allagando’’ i dischi! (e.g., emails, articoli newsgroup).
Integrazione di text retrieval con basi dati relazionali.
Incremento della documentazione on-line
L’esplosione del Web
L’esplosione dei dispositivi multimediali
Enorme quantità di documenti generati nel settore
pubblico e privato
M. Diligenti
Dati strutturati e non strutturati
Ma oggi esistono potenti Database?
Documenti: dati in gran parte nonformattati
Questo rende difficile l’utilizzo dei DB!
Dati testuali: articoli scientifici, pagine di quotidiani
Pagine Web (HTML, XML)
Dati non-testuali: immagini, grafici, voce, video
Sistemi Gestione Documentale
L’esplosione di interesse oggi sui motori di ricerca:
WWW search engines, es.: Google, Yahoo, Ask, MSN
M. Diligenti
7
Centrati su
operatori
relazionali
8
Data Bases: generico approccio per la
gestione di dati
Teoria solida e pacchetti s/w molto affidabili
Il record “impiegato”
(società, cod-fisc, cognome,indirizzo, città, stato)
Basati su
schema
Sistemi Gestione Documentale
Operatori: selection, projection, cartesian
product, join, union, ...
M. Diligenti
Gestione documentale sul Web
Dati non strutturati: è difficile catturare la semantica dei
documenti. Compara:
“select * from Employee where Salary > 30,000”
“retrieve all news items about corporate takeover”
Perché la seconda domanda è più difficile? La seguente
lo è ancora di più!
“retrieve all news items about corporate takeover involving an
internet company”
I documenti non hanno un dominio definito
Sistemi Gestione Documentale
è molto difficile trovare la categoria dei documenti
M. Diligenti
9
Gestione documentale sul Web:
perché è difficile 1
Non omogeneità dei formati e contenuti
Controllo totalmente decentralizzato
I documenti sono distribuiti e “linkati” (e.g.,
Hypertext e WWW)
Da dove si parte a cercare?
Come sono correlate le informazioni?
Il problema dell’interazione personale:
Sistemi Gestione Documentale
la risposta data a persone diverse dovrebbe
contemplare le diverse esigenze
Come catturare l’intenzione?
M. Diligenti
10
Gestione documentale sul Web:
perché è difficile 2
50 milioni pagine novembre1995
320 milioni pagine dicembre 1997
800 milioni febbraio 1999
Oggi >40 miliardi
La dimensione del web raddoppia ogni anno:
11
Enormi quantità di dati (e.g., WWW) impongono
soluzioni efficienti
Sistemi Gestione Documentale
Poche centinaia di Mbytes erano considerati larga
scala 10 anni fa; si pensi ad un laptop odierno!
Efficienza e efficacia spesso conflittuali.
M. Diligenti
Oltre il Testo ...
Formulazione delle queries:
Linguaggio naturale
Voce
Immagini (queries visuali)
Ricerca video
segmentazione scene
Raggruppamento per argomenti
Sistemi Gestione Documentale
Etc.
Argomenti di ricerca di cui non ci occuperemo
M. Diligenti
12
