Università degli Studi di Napoli
“Federico II”
Facoltà di Ingegneria
Corso di Studi in Ingegneria Informatica Specialistica
Semantica: un sistema per l’indicizzazione, il
retrieval semantico di learning objects e la
generazione automatica di corsi didattici
Relatori:
Candidato:
Ch.mo prof. Angelo Chianese
Ch.mo Ing. Vincenzo Moscato
Anno Accademico 2007-2008
Ficetola Francesco
matr. 885/184
A nonno Gerardo e nonno Olindo
A mamma, papà e Dina
A Federica
Lentamente muore chi non capovolge il tavolo, chi è infelice sul lavoro,
chi non rischia la certezza per l'incertezza, per inseguire un sogno...
Lentamente muore chi abbandona un progetto prima di iniziarlo,
chi non fa domande sugli argomenti che non conosce,
chi non risponde quando gli chiedono qualcosa che conosce...
Soltanto l'ardente pazienza porterà al raggiungimento di una splendida felicità.
(P. Neruda)
Ficetola Francesco
Semantica Project
Indice Analitico
Indice delle figure .........................................................................................iv
Ringraziamenti ...........................................................................................viii
Introduzione. L’information retrieval e la semantica .....................................1
L’analisi e il retrieval semantico.....................................................................................3
L’information retrieval e i motori di ricerca semantici.....................................................5
Verso la comprensione del significato............................................................................7
Il retrieval semantico dei learning objects.....................................................................9
Sommario dei capitoli della Tesi..................................................................................11
Capitolo 1. Il Semantic Web, i sistemi e i modelli di retrieval ......................14
1.1 Il Web Semantico: un’illusione realizzabile............................................................15
1.2 L’architettura del Web Semantico.........................................................................16
1.3 L’informazione e la sua rappresentazione..............................................................19
1.4 I sistemi “attuali” di Information Retrieval.............................................................21
1.5 L’estrazione delle informazioni dai contenuti e la relevant information.....................25
1.6 Gli ostacoli del linguaggio naturale.......................................................................27
1.7 Architettura di alto livello di un sistema di information retrieval..............................28
1.8 I modelli di information retrieval..........................................................................30
1.9 I modelli booleano e vettoriale.............................................................................34
Capitolo 2. Le tecnologie del Semantic Web ................................................42
2.1 Il Semantic Web Stack........................................................................................43
2.2 Resource Description Framework.........................................................................47
2.3 Una rete semantica di concetti di un dominio: l’ontologia......................................53
2.4 Applicazioni e problemi legati all’approccio ontologico...........................................56
2.5 Ontologie vs Database: schema concettuale vs dati..............................................58
2.6 Ontology Web Language (OWL) ..........................................................................61
2.7 Le ontologie CUONTO e DOMONTO.....................................................................65
2.8 Le ontologie persistenti e JENA............................................................................70
Università degli Studi di Napoli “Federico II”
i
Ficetola Francesco
Semantica Project
Capitolo 3. Semantica Project - una soluzione ontologica ..........................73
3.1 I Learning Objects: atomi di conoscenza..............................................................74
3.2 Ontologie nell’e-Learning.....................................................................................76
3.3 Annotare i learning objects: XML o RDF?..............................................................77
3.4 Un retrieval efficace dei learning objects...............................................................80
3.5 Stato dell'arte dei sistemi per l'annotazione e il retrieval di risorse didattiche..........83
3.6 Semantica Project: un modello di macchina semantica..........................................87
3.7 La struttura di alto livello della macchina semantica..............................................89
3.8 Il centro dei significati: WordNet..........................................................................91
3.9 Le ontologie della macchina semantica.................................................................94
3.10 La Knowledge Base...........................................................................................97
3.11 Modello di comunicazione della macchina semantica...........................................99
3.12 Verso il prototipo di macchina semantica..........................................................103
Capitolo 4. Semantica Project - progettazione ed implementazione ........105
4.1 Architettura logica di Semantica.........................................................................106
4.1.1 Learning Object Repository....................................................................107
4.1.2 Il modulo Discovery...............................................................................110
4.1.3 Semantic Knowledge Base (SKB)............................................................111
4.1.4 Knowledge Management System............................................................113
4.1.5 Ontology Management System...............................................................114
4.1.6 Le ontologie del sistema........................................................................115
4.2 Preprocessing del testo.....................................................................................117
4.3 Indexing dei Learning Objects............................................................................120
4.3.1 Vettore dei significati.............................................................................121
4.3.2 Vettore delle content units.....................................................................126
4.3.3 Vettore delle binding annotations...........................................................126
4.3.4 Memorizzazione nella knowledge base....................................................127
4.4 I modelli di retrieval di learning object e approcci per la generazione automatica di corsi......127
4.5 Progettazione ed implementazione.....................................................................129
4.5.1 Il modello dei sottosistemi.....................................................................130
4.5.2 Diagrammi del Knowledge Management System.....................................131
4.5.3 Diagrammi dell’ Ontology Management System.......................................132
4.5.4 Diagrammi del Discovery.......................................................................133
4.5.5 Diagrammi del Learning Object Repository.............................................134
4.6 I diagrammi delle classi e delle tabelle principali di Semantica..............................134
Università degli Studi di Napoli “Federico II”
ii
Ficetola Francesco
Semantica Project
Capitolo 5. I moduli della Web Application Semantica ..............................144
5.1 I moduli di retrieval della web application...........................................................145
5.1.1 Modulo di ricerca basato sul Sense Boolean Retrieval Model (SBRM)........147
5.1.2 Modulo di ricerca basato sul Content Unit Retrieval Model (CURM)...........150
5.1.3 Modulo di ricerca basato sull’Ontology Driven Retrieval Model (ODRM).....153
5.2 Approcci e moduli per la generazione dei corsi didattici.........................................157
5.2.1 Il modello Content Unit Adaptive Courseware Generation (CUACG)..........158
5.2.2 Il modello Ontology Driver Adaptive Courseware Generation (ODACG).....161
5.2.3 Il modulo di generazione semiautomatica dei corsi..................................162
5.2.4 Il modulo di generazione automatica dei corsi .......................................166
5.3 Editing dei contenuti didattici..............................................................................170
5.4 Sperimentazione................................................................................................177
5.5 Conclusioni e sviluppi futuri.................................................................................181
Appendice A. La mappa della web application Semantica .........................184
Appendice B. I patterns e le tecnologie utilizzati in Semantica .................192
B.1 Pattern Domain Model........................................................................................192
B.2 Pattern Data Transfer Object..............................................................................193
B.3 Pattern Strategy................................................................................................194
B.4 Pattern Singleton...............................................................................................194
B.5 IBATIS..............................................................................................................195
B.6 JENA.................................................................................................................196
B.7 JWordNet..........................................................................................................197
B.8 Middleware RMI.................................................................................................197
Bibliografia e Sitografia ..................................................................................200
Università degli Studi di Napoli “Federico II”
iii
Ficetola Francesco
Semantica Project
Indice delle Figure
Capitolo 1. Il Semantic Web, i sistemi e i modelli di retrieval.......................14
Figura 1.1: Semantic Web Stack ..............................................................................17
Figura 1.2: Sistema di Information Retrieval..............................................................22
Figura 1.3: Indexing di documenti............................................................................24
Figura 1.4: Text processing......................................................................................27
Figura 1.5: Struttura di alto livello di un sistema di IR...............................................29
Figura 1.6: Architettura di un sistema di IR..............................................................30
Figura 1.7: I modelli di Information Retrieval.............................................................32
Figura 1.8: Estensioni dei modelli di Information Retrieval..........................................33
Figura 1.9: Modello Booleano...................................................................................35
Figura 1.10: Modello Vettoriale.................................................................................39
Capitolo 2. Le tecnologie del Semantic Web.................................................42
Figura 2.1: Proposta del Web di Tim Berners-Lee (1989)...........................................44
Figura 2.2: L'evoluzione del Web..............................................................................45
Figura 2.3: Struttura a “gradini” degli standard del Semantic Web.............................46
Figura 2.4: Struttura ad albero di un documento XML................................................47
Figura 2.5: Le relazioni “semantiche” in un documento XML......................................48
Figura 2.6: Statement RDF (tripla soggetto-predicato-oggetto)..................................49
Figura 2.7: Serializzazioni di un documento RDF.......................................................50
Figura 2.8: Costrutti del linguaggio RDF...................................................................51
Figura 2.9: La “castagna” ontologica........................................................................54
Figura 2.10: Le ontologie media-specific e content-specific.......................................56
Figura 2.11: Ontologie vs. Database........................................................................58
Figura 2.12: L'approccio ontologico: una rete di concetti............................................61
Figura 2.13: I livelli “semantici” del Semantic Web Stack............................................63
Figura 2.14: OWL-Lite, OWL-DL e OWL-Full...............................................................64
Figura 2.15: L'ontologia didattica CUONTO (classi e proprietà)...................................66
Figura 2.16: L'ontologia di dominio DOMONTO (classi e proprietà)..............................67
Figura 2.17: Ontologia CUONTO: proprietà delle content units...................................68
Figura 2.18: Ontologia DOMONTO: le classi Concept e Learning Object......................69
Figura 2.19: Ontologia DOMONTO: Classe ConceptScheme........................................70
Università degli Studi di Napoli “Federico II”
iv
Ficetola Francesco
Semantica Project
Capitolo 3. Semantica Project - una soluzione ontologica ..........................73
Figura 3.1: Componenti fondamentali dell'e-Learning.................................................75
Figura 3.2: I tre livelli del Modello della Conoscenza..................................................79
Figura 3.3: La risorsa informativa e le sue componenti..............................................89
Figura 3.4: Struttura di alto livello della macchina semantica.....................................90
Figura 3.5: Il Meta-Modello SKOS.............................................................................96
Figura 3.6: Modello di comunicazione della macchina semantica................................99
Capitolo 4. Semantica Project - progettazione ed implementazione ........105
Figura 4.1: Architettura logica della macchina semantica.........................................106
Figura 4.2: Struttura di un learning object in Semantica..........................................108
Figura 4.3: Il modulo Discovery..............................................................................110
Figura 4.4: Il modulo Semantic Knowledge Base.....................................................111
Figura 4.5: Il modulo Knowledge Management System............................................113
Figura 4.6: Il modulo Ontology Management System...............................................114
Figura 4.7: Le ontologie del sistema Semantica.......................................................115
Figura 4.8: Una ontologia del sistema Semantica: CuONTO......................................116
Figura 4.9: Architettura di un sistema di Informational Retrieval...............................118
Figura 4.10: Esempio di inverted index...................................................................120
Figura 4.11: Il vettore dei significati.......................................................................121
Figura 4.12: TextProcessing Operations..................................................................122
Figura 4.13: Vettore risultante del TextProcessing...................................................125
Figura 4.14: Vettore delle content units..................................................................126
Figura 4.15: Vettore delle binding annotations........................................................127
Figura 4.16: Diagramma delle componenti del sistema Semantica............................131
Figura 4.17: Diagrammi del Knowledge Management System...................................132
Figura 4.18: Diagrammi del Discovery....................................................................133
Figura 4.19: Diagrammi del Learning Object Repository..........................................134
Capitolo 5. I moduli della Web Application Semantica ..............................144
Figura 5.1: Home Page della web application Semantica .........................................145
Figura 5.2: Pannello principale della web application Semantica ..............................146
Figura 5.3: Il modulo del Sense Boolean Retrieval Model..........................................147
Figura 5.4: Risultati del Sense Boolean Retrieval Model............................................149
Figura 5.5: Content Unit Retrieval Model (CURM)....................................................150
Università degli Studi di Napoli “Federico II”
v
Ficetola Francesco
Semantica Project
Figura 5.6: Il modulo del Content Unit Retrieval Model.............................................151
Figura 5.7: Risultati del Content Unit Retrieval Model...............................................153
Figura 5.8: ODRM: costruzione del Conceptual Information Need Vector...................153
Figura 5.9: Il modulo dell'Ontology Driven Retrieval Model.......................................154
Figura 5.10: Il risultato dell'Ontology Driven Retrieval Model (modalità esplicita)..........155
Figura 5.11: Il risultato dell'Ontology Driven Retrieval Model (modalità non esplicita).....156
Figura 5.12: Courseware Generation (pannello di gestione dei corsi)........................157
Figura 5.13: I modelli di Courseware Generation.....................................................162
Figura 5.14: Modalità semiautomatica di Courseware Generation.............................162
Figura 5.15: Modalità semiautomatica di Course Generation: i vincoli del CUACG......163
Figura 5.16: Risultati del CUACG secondo l'approccio semiautomatico......................164
Figura 5.17: Modalità semiautomatica di Courseware Generation: il modulo ODACG.....165
Figura 5.18: Risultati del modulo ODACG di Courseware Generation.........................166
Figura 5.19: Modalità automatica di Courseware Generation: il modulo CUACG.........167
Figura 5.20: Modalità automatica di Courseware Generation: strategia pedagogica.......168
Figura 5.21: Risultati del modulo CUACG per la generazione automatica di corsi.......169
Figura 5.22: Pannello di amministrazione per l'editing dei contenuti didattici.............170
Figura 5.23: Editing dei contenuti didattici (inserimento informazioni del LO)............171
Figura 5.24: Editing dei contenuti didattici (inserimento dei documenti del LO).........172
Figura 5.25: Editing dei contenuti didattici (creazione delle CU annotations).............173
Figura 5.26: Editing dei contenuti didattici (creazione delle Binding Annotations)......175
Figura 5.27: Precision e Recall per una data richiesta di informazione.......................178
Figura 5.28: Grafico Precision-Recall.......................................................................179
Figura 5.29: Risultati sperimentali del courseware generation .................................180
Figura 5.30: IdeaWeb ...........................................................................................182
Università degli Studi di Napoli “Federico II”
vi
Ficetola Francesco
Università degli Studi di Napoli “Federico II”
Semantica Project
vii
Ficetola Francesco
Semantica Project
Ringraziamenti
Ed eccomi qui, dopo non pochi sacrifici, alla materializzazione di un sogno che è iniziato
6 anni fa. È proprio vero: se nella vita hai un obiettivo, credendoci e non tirandosi mai indietro,
lo si raggiunge. Ma l'arrivo alla meta ambita non arriva solo perchè lo si desidera, secondo me.
È un cocktail di tanti elementi, dove le capacità personali e la voglia di fare sono sì al primo
posto, ma dipende anche dalle persone che si incontrano lungo quel percorso che si chiama
“Vita”. Ed io di persone giuste, nel momento giusto del mio cammino, ne ho incontrate davvero
tante, ed ho paura di dimenticarne qualcuna. Questo lavoro e il risultato della mia carriera
universitaria lo dedico a tutti quelli che mi hanno aiutato, stimato e voluto bene.
Da dove iniziamo con i ringraziamenti? Ovviamente da mamma e papà, perchè tutto questo è
dovuto a loro. Ai loro sacrifici, ai loro insegnamenti...al loro amore, che hanno trasmesso a me e
a mia sorella. I momenti belli e brutti li ho condivisi con loro ... le difficoltà le ho superate
insieme a loro. Modelli di vita ed esempi da seguire, insegnamenti che porterò nel cuore per
tutta la vita.
Punti di riferimento nel mio percorso sono stati anche e soprattutto i miei nonni. Ricordo con
affetto e commozione nonno Olindo e nonno Gerardo, che nonostante non ci siano più,
rimane ancora viva in me la loro presenza.
Ringrazio Dio per avermi dato una sorella che meglio di Dina non poteva capirmi. Ma il fratello
maggiore non sono io? Eppure sono io ad aver imparato da lei. Forse lei è anche più diligente,
vogliosa e pazientosa di me. Specie quando ci si ritrova con una persona testarda e capricciosa
come il sottoscritto. Ah, e grazie per avermi stampato la tesi. Che faticaccia, vero? Oltre a dirti
grazie, Dina, ti chiedo anche scusa per tutte le volte in cui ho voluto far valere la mia “autorità”
di fratello maggiore.
Università degli Studi di Napoli “Federico II”
viii
Ficetola Francesco
Semantica Project
Ho voluto dedicare questa tesi ad un'altra persona importante e fondamentale nella mia vita. La
ragazza con cui ho vissuto i momenti più belli in questi ultimi due anni, Federica. Volevo dirti
che ti adoro e che mi spiace per le volte in cui, nei momenti di maggiore impegno, mi hai trovato
eccessivamente distante e nervoso. Questo risultato è anche merito tuo, che mi hai dato la
tranquillità e la forza, sapendo di essere fiera di me, in ogni mia scelta o progetto. Ti amo.
La mia grande fortuna è stata quella di aver trovato una famiglia completa, disponibile, che mi
ha aiutato nei momenti in cui ne ho avuto bisogno. In particolare, ringrazio di cuore zio
Gerardo, zio Peppino, zia Carmela e zio Pietro, per esserci stati sempre. Grazie davvero.
Ringrazio tutti i miei parenti, che anche se non ho citato tutti esplicitamente non vuol dire che
siano stati meno presenti degli altri. Ma è doveroso ringraziare i miei tanti cugini, che riempiono
e movimentano le mie giornate, tra cui Carmine, con cui sono cresciuto e mi sono confrontato
negli anni. Quindi, un grande abbraccio a Giuseppina, Serena, Laura, Federica, Fabiola,
Alessia, Antonietta e Martina. Io e Carmine, “beati tra le donne”!
Passiamo adesso agli amici. Beh, qui l'elenco è davvero lungo.
È proprio vero che chi trova un amico trova un tesoro. I miei Amici (con la A maiuscola) sono
stati sempre con me, mi hanno accompagnato fino a questo grande obiettivo e sono sicuro che
ci saranno anche per quelli a venire. Mi permetto di esprimere per ognuno di loro quello che
penso e sento.
Donato, amico da una vita: persona buonissima (anche troppo), che dà anche senza ricevere.
Sempre disponibile e contento per i risultati di un suo amico. Fratello che ti rispetta e che è
leale. Ti voglio bene.
Nicola, un altro “fratello maggiore”. Siamo cresciuti sulle sue “disgrazie” (
) . Un'altra
persona che c'è sempre stata e sempre ci sarà. Grande Nick!
Mimmo, il fenomenale “El Director”. Divertente e serio nello stesso tempo. Amico da cui farsi
consigliare, specie nelle grandi decisioni. Ti stimo molto.
Gerardo, e che ne parliamo a fare? Ricordo solo che mi è capitato per caso come vicino di
banco al liceo e da allora non sono più riuscito a spiccicarmelo di dosso. Tra gli amici che
contano, ma che non fanno solo numero. È stato difficile vivere con te, ma sono sopravvissuto.
Adesso potrei adattarmi a tutto
.
Paolo, che dire di te? Innanzitutto grazie, perchè ogni volta che mi sono rivolto a te sei stato
sempre disponibile. Persona davvero gentile, che trova la soluzione a qualunque problema.
Stima reciproca già dalla prima volta che ci siamo conosciuti. Punto di riferimento.
Università degli Studi di Napoli “Federico II”
ix
Ficetola Francesco
Semantica Project
E' arrivato il momento di ringraziare anche Giannuzza? Penso proprio di si. E quanti grazie ti
dovrei dire? Penso proprio parecchi. Grazie perchè prima di tutto sei stato il mio “oracolo”
virtuale. Mi è sembrato già dall'inizio di conoscerti da sempre e mi sono sentito a mio agio nel
parlare con te del più e del meno. A volte le parole non sempre riescono a dire quello che
veramente uno prova. In questo caso ti dico solo che vorrei che tu ci fossi sempre, come ora.
Adesso è il turno di mio cugino Ilvo ed Italo. L'avervi avuto come amici negli anni più belli della
mia vita, in cui tutti eravamo spensierati, è stato per me una grande ricchezza. Ne faremo
ancora tante insieme, sicuramente!
Grazie a Gerarda per il grande aiuto che mi ha dato nella stesura della tesi. Dai consigli alle
correzioni. Ragazza speciale, come poche ne esistono. Che mi vuole bene, forse senza davvero
meritarlo. Ti ammiro e ti sarò sempre riconoscente per come mi hai fatto sentire e per la stima
che nutri nei miei confronti. Un grande saluto alla nostra amica Teresa e la sorella Anna. Grazie
Terè, per avermi confortato (anche se virtualmente) in questo periodo impegnativo.
Nel ricordare gli anni del Liceo, mi vengono in mente i bei momenti vissuti con i miei compagni
di classe. A questo punto ringrazio Maria Concetta, che non si è mai dimenticata di me dopo le
superiori e che sento sempre con piacere. Sei adorabile, Mara! Grazie anche ad Alessandro,
che mi fa sempre piacere rivedere in quel di Senerchia. E c'è da ringraziare anche Rocco
Iannone, che sono davvero felice di avere “in famiglia” (
), perchè sei una persona umile,
semplice e rispettosa, forse la persona giusta per mia sorella (si, ma non la fare incazzare!).
Ma indimenticabili sono anche le ore dopo la scuola. Quei pomeriggi passati a giocare a pallone
e a suonare. Grazie a Nicola, Donato, Angelo e Peppuccio per aver fatto nascere in me l'amore
per la musica e per lo stare in gruppo. Gli anni in cui si suonava rimarranno impressi nel mio
cuore e nella mente!
Un grazie e un saluto di grande affetto e stima ai miei amici Gabriella, Angelo “il mio
pseudobassista” (
) , Mariano e Antonio. Da loro ho imparato davvero tanto e mi sono
divertito durante i primi anni qui a Napoli. Ho ancora molto da imparare da voi e ci divertiremo
ancora parecchio, contateci!
Un grande abbraccio a Daniela Ferrai, nonostante mi abbia abbandonato alla triennale per
andare all'estero. Potevi rimanere un altro po' con me. Mi stavo ad annoià dopo che te ne sei
andata! E vorrei rimproverare Katia. Mi potevi invitare alla tua laurea (prr). Comunque grazie
anche a te per esserci stata! Tra gli amici di Napoli saluto e ricordo Generoso, Sabrina,
Università degli Studi di Napoli “Federico II”
x
Ficetola Francesco
Semantica Project
Fabiana e Luisa. Belle le serate e le feste con voi!
Stare lontano da casa è stato duro. Ma ho avuto la fortuna di avere in casa dei coinquilini
stupendi, che sono diventati in primis anche i miei amici fidati. Grazie Andrea per essere così
come sei, di persone come te ne esistono davvero poche. Mi è dispiaciuto davvero quando hai
lasciato Napoli. Idem per Antonio Roberto. Un anno con te mi è sembrato un'eternità. Scusa
per aver fatto valere la mia “anzianità”. Ma le matricole devono essere guidate (
). Infine,
voglio ringraziare Gerardo e Marco, con cui ho vissuto quest'ultimo anno in tranquillità. E'
merito di questa serenità che mi ha aiutato in questo sprint finale. Scusatemi per la freddezza
con cui mi sono ritrovato a volte. I momenti di tensione e di difficoltà capitano a tutti. Vi voglio
bene.
Voglio bene anche a Raffaele, Alfonso, Vittorio e Viscardi. A quest'ultimo dico che sono
davvero felice della tua guarigione e del fatto che hai ripreso a studiare. Meriti davvero tanto
dalla vita.
Adesso è il momento degli amici di Università. Che dire? Sono commosso e onorato di aver
condiviso con voi questa fatica. Come diceva Gramsci, “lo studio è un mestiere faticoso”. Ma mi
avete aiutato a non sentire questo sforzo, facendomelo piacere con la vostra presenza. Quindi,
ringrazio i “sempre presenti” Enzo ed Enzino e, chi è stato con noi i primi anni di università,
Danilo, Francesco, Tommaso, Sabatino e Paolo. Senza di voi non sarei arrivato a questo
traguardo. Colleghi ma soprattutto amici anche fuori l'università. Sono orgoglioso di avervi
conosciuto.
Basta poco per capire quanto una persona sia speciale e se ci si può fidare di lei. Infatti, il tempo
per conoscere Biagio, Roberto e Clemente è stato poco, ma ho subito capito l' “animo nobile”
di questi ragazzi. I mesi della tesi sono stati con voi davvero divertenti. Persone con cui si può
fare gruppo, si lavora bene, ci si può confrontare e che sanno consigliare. Sempre disponibili. Un
grazie di cuore.
E Loredana e Laura? Belli i pomeriggi passati con voi a studiare. Non per lo studio sicuro, ma
per la gioia che trasmettevate anche in quei momenti di fatica. Fondamentali nei momenti finali
della mia carriera universitaria. Spero vivamente anche per quelli a venire!
Grazie anche a Massimo (di Loredana) per la continua disponibilità, Pex (grande personalità),
Francesco Cesareo (persona rispettosissima).
Saluto con affetto anche gli amici del CSIF (dott. Delosa, Alfredo e Giuseppe), il prof.
Pescapè e Carmen Baruffini, con cui ho lavorato serenamente e con motivazione durante i
mesi del partime. Esperienza che mi ha formato e di cui farò tesoro.
Università degli Studi di Napoli “Federico II”
xi
Ficetola Francesco
Semantica Project
Ringrazio i ragazzi del laboratorio LABADAM: Ernesto, Vincenzo, Battista, Giorgia, Marina,
Paolo, Roberto, Francesco, Michele, Pasquale e il grande Antonio Penta (a quest'ultimo
auguro un futuro di successi). Grazie per questi ultimi mesi. Davvero un bel gruppo!
La mia riconoscenza per la fantastica compagnia va a Raffaele, Francesco, Nello, che insieme
a Paolo hanno riempito le mie lunghe giornate universitarie durante il periodo della tesi. Grazie
dei consigli e della compagnia. Non lo dimenticherò!
Vorrei chiudere questa lunga lista di ringraziamenti, esprimendo la mia piena riconoscenza all'
Ing. Moscato, che oltre ad avermi aiutato nella trattazione di questo argomento di tesi, è stato
soprattutto un amico. L'aver creduto nelle mie capacità, ha tirato fuori il meglio che avevo per
affrontare questo lavoro. Stesso discorso vale per il prof. Chianese, che ammiro per la capacità
di far piacere e appassionare noi studenti alle cose che facciamo. Grazie per la fiducia e per la
proposta di rimanere in un gruppo affiatato e familiare come il vostro!
Grazie al genio di Mario Caropreso, senza il quale questo “tentativo” non sarebbe mai nato.
Sono rimasto affascinato dalla cura, dalla perfezione e dalla passione con la quale ha iniziato
questo progetto. Ho cercato di fare del mio meglio per non schernire il grande lavoro da te
avviato!
Spero di non aver dimenticato nessuno. In tal caso mi scuso e magari provvederò a ringraziarvi
di persona. Dopo 6 anni di ingegneria la memoria inizia a vacillare
.
Comunque farò tesoro di tutto quello che mi avete dato e trasmesso, per non deludervi e per
realizzare tutti i miei progetti, con il vostro aiuto ancora una volta. GRAZIE A TUTTI!
Francesco
Università degli Studi di Napoli “Federico II”
xii
Ficetola Francesco
Università degli Studi di Napoli “Federico II”
Semantica Project
xiii
Ficetola Francesco
Semantica Project
Introduzione
L'information Retrieval e la semantica
In questo lavoro di tesi si affronta il
problema articolato del retrieval
semantico, su cui esiste vastissima letteratura a riguardo. Il nostro approccio fa un
uso massiccio di ontologie, intese come tentativi di formulare uno schema
concettuale esaustivo e rigoroso nell’ambito di un dato dominio.
Il termine più giusto è proprio “tentativo”, visto che risulta impossibile uniformare il
modo di pensare degli individui. In effetti, non sempre due persone hanno il
medesimo punto di vista riguardo un determinato concetto.
Lo stesso linguaggio è affetto da ambiguità e un concetto può essere definito,
ovvero può acquistare un senso, solo se inserito in un dato contesto, un dato
dominio.
Sono questi i problemi che verranno via via sollevati e affrontati mediante
“tentativi” in questo lavoro di tesi.
Come primo assaggio introduciamo un po’ di nomenclatura: il Natural
Language Processing (NLP) è
inteso come quella branca dell’intelligenza
artificiale e della linguistica computazionale che studia i problemi della generazione
e della comprensione automatica del linguaggio naturale umano.
Poiché ci troviamo in un corso di laurea di Ingegneria Informatica, possiamo subito
comprendere che il termine “automatico” è inteso come l’utilizzo di un mezzo
capace di effettuare elaborazioni, quindi un calcolatore.
I sistemi che effettuano una
conversione dei campioni di informazione del
linguaggio umano in altre forme di rappresentazione, in modo da essere facilmente
manipolabili computazionalmente, sono degli esempi di “tentativo”.
Università degli Studi di Napoli “Federico II”
1
Ficetola Francesco
Semantica Project
Malgrado una cerca enfasi giornalistica, siamo tuttavia ancora lontani non
soltanto dall’avere a disposizione applicazioni di ricerca “di nuovo tipo”, ovvero che
non siano basate sul semplice matching sintattico, ma anche dall’avere capito
chiaramente come queste applicazioni potranno migliorare la user experience.
Emblematica è la rinuncia da parte degli “esperti del settore”, tra cui Yahoo che, allo
stato attuale, piuttosto che porsi l’obiettivo (ambizioso ma di difficile definizione) di
sostituire la tradizionale ricerca full text con una ricerca diversa (“concettuale” o
“semantica”), ha capito che i risultati ottenuti dall’utilizzo dei metadati strutturati
(RDF come vedremo) possono servire, “ove possibile” a migliorare la già esistente
ricerca full text. [1]
Per introdurre il mio lavoro di tesi, ho il piacere di citare una risposta
eloquente ad una domanda diretta, capace di far intuire cosa è stato qui realizzato.
Domanda. Che cos’è un motore di ricerca semantico?
Risposta. “Oggi non è pensabile un motore di ricerca semantica per tutto il web,
come Google, ma per alcuni settori, quando il problema non è troppo complesso e
ci si limita ad un contesto specifico, è possibile implementare soluzioni che
consentono di guadagnare tempo e ottenere risultati migliori” [2]
Le parole-chiave che possiamo estrapolare dalla precedente risposta sono:
“settore”, sinonimo di dominio applicativo, e “contesto”, sinonimo di “luogo in cui si
acquista un significato”.
La situazione ideale sarebbe quella di trovare una soluzione universale che
vada bene per tutte le istanze del problema, ma risulta lontana anni luce. Non sarà
mai possibile, ed è auspicabile che non lo sia mai, che tutti gli individui la pensino in
modo uguale. Ognuno di noi matura una propria coscienza, una propria esperienza
e un modo diverso di vedere le cose.
Volendo continuare, di fronte a questi problemi che resistono alla soluzione, le
reazioni sono due:
Università degli Studi di Napoli “Federico II”
2
Ficetola Francesco
Semantica Project
1. sfidare virilmente la difficoltà, affermando che il problema è risolvibile e basta
risolverlo, anche impiegandoci tempo e denaro (o addirittura alcuni dicono che
è già stato risolto);
2. indebolire gli obiettivi e accontentarsi di risolvere il problema, non nel caso
generale, ma in alcuni (possibilmente tanti) casi particolari (“divide et impera”).
L’analisi e il retrieval semantico
Per chi non lo avesse capito, il mio intento è quello di creare un approccio
al retrieval semantico. Anche se inserito in un contesto particolare (il campo dell’e-
learning), il retrieval può essere esteso al caso generale di ricerca di qualsiasi
contenuto, che possa essere opportunamente annotato (“ove possibile”).
È difficile definire che cosa sia il significato e già a cominciare dai più celebri
filosofi Aristotele e Platone, non si è riusciti a trovare una definizione universale.
Ancora più difficile è definire e valutare un sistema che afferma di utilizzare una
analisi semantica.
Per muoverci all’interno del nostro scenario, ci serviamo di una strumento
potentissimo:
l’ontologia,
che
definiremo
meglio
in
seguito.
Per
ora
accontentiamoci di definirla come un modo per “estrarre fatti”, intesi come
descrizioni di eventi e situazioni accaduti e descritti linguisticamente. Insomma una
sorta di descrizione formale di ciò che esiste in un dominio a partire dalla quale si
possono effettuare inferenze. L'inferenza è il processo con il quale da una
proposizione accolta come vera, si passa a una proposizione la cui verità è
considerata contenuta nella prima.
Avendo a disposizione le opportune risorse, nel nostro caso una rete
semantica, il nostro approccio manifesta una certa capacità di effettuare inferenze
basate sul significato delle parole.
Ma per poter far ciò, dobbiamo prevedere un buon sistema di analisi del testo che
sia composto di almeno tre elementi principali:
-
un lessico che fornisce significati e relazioni tra significati;
-
un parser
che fornisce analisi sintattiche ricostruendo la struttura della
frase;
-
uno o più moduli di interpretazione che trattano fenomeni semantici,
Università degli Studi di Napoli “Federico II”
3
Ficetola Francesco
dall’identificazione
Semantica Project
delle
relazioni
soggetto/oggetto/complementi
alla
capacità (di solito dipendente da dominio) di identificare fatti, eventi e
relazioni tra di essi.
Citazione. “…a quanto pare c’è semantica e semantica e non tutte le semantiche
sono uguali. ” [3]
Il significato della precedente frase è che il termine semantica viene usato per
indicare diverse situazioni:
-
semantica nel senso di Semantic Web : la rete diventa una gigantesca
macchina inferenziale fondata su più o meno arcani sistemi di metadati;
-
semantica nel senso di approcci probabilistici (approcci bayesiani, latent
semantic search analisys e simili). Fino a poco tempo fa questi erano gli unici a
parlare di semantic search; per costoro il significato emerge, in qualche modo,
da complicati ragionamenti sulle occorrenze e co-occorenze di elementi
linguistici (o anche non linguistici);
-
semantica come sinonimo di “qualunque cosa che faccia un’analisi del testo che
vada oltre i caratteri di cui è composto”. Per costoro anche una semplice
normalizzazione morfologica (che consente di trattare cane e cani come la
stessa forma) è semantica;
-
semantica come sinonimo di semantica lessicale. Per costoro vale il seguente
ragionamento: i significati e le relazioni tra significati, da che mondo e mondo,
si trovano nei dizionari; io ho un grosso dizionario, quindi faccio analisi
semantica. Talvolta questi grossi dizionari, magari specifici di dominio, sono
chiamati appunto ontologie.
Sembrerà assurdo, ma in questo lavoro si è cercato di fondere tutti i precedenti
punti: un approccio al problema della ricerca semantica di contenuti condivisi e
distribuiti, mediante implementazione di retrieval models, tecniche di analisi
testuale ed utilizzo di ontologie.
Citazione. “Ogni buona rete semantica può generalizzare le relazioni di sinonimia
(o quasi-sinonimia) ” [4]
Università degli Studi di Napoli “Federico II”
4
Ficetola Francesco
Semantica Project
Cosa vuol dire la precedente frase? Volendo dare una interpretazione personale, un
sistema di analisi e retrieval semantico effettua delle inferenze, passando da un
concetto ad un altro e saltando tra relazioni semantiche (non solo di sinonimia). È
in questo modo che si può costruire una knowledge base, che si arricchisce con
l’esperienza, scoprendo i concetti e le relazioni semantiche tra di essi.
L’unico modo per risolvere il problema dell’ambiguità dei significati è quello di capire
il contesto in cui ci si trova. In letteratura esistono tantissimi approcci per risolvere
questo problema, tra cui, come vedremo, il word sense disambiguation.
L’information retrieval e i motori di ricerca semantici
Quello che ci possiamo chiedere a questo punto è a cosa serva
l’information retrieval (IR). Possiamo avanzare un esempio emblematico, tratto
una ricerca svolta su una sindrome che ancora oggi affligge gli internauti: la search
engine fatigue. Su SearchEngineLand [5] si legge che circa il 72% degli Americani
soffrono della sindrome da ricerca, “fatica” che si concretizza in frustrazione così
forte da spingere coloro che hanno speso fino a 2 ore per fare ricerche su di un
argomento - apparentemente senza trovare soddisfazione - a lasciare fisicamente il
computer.
Ecco perché l’interesse dei più grandi motori di ricerca attuali è stato rivolto allo
studio di nuove tecniche di indexing e retrieval dei dati. Magari perché non provare
proprio ad occuparsi di “ricerca semantica”?
“Information retrieval” è, tuttavia, un concetto più generico, che abbraccia un po’
tutto il problema, dal matching sintattico a quello semantico. Eppure l’interesse per
il
Natural Language Processing sembra essersi affievolito: non interessa più
effettuare un’analisi automatica del linguaggio e, dunque, un approccio che vada ad
analizzare le query dell’utente, ma l’approccio è rivolto più che altro sulle tecniche
di annotazione e indexing che possono dare un significato alle informazioni
distribuite in rete [10].
Eppure in questo lavoro di tesi, si analizzano entrambi gli approcci,
fornendo un confronto per entrambi i punti di vista. Non si ha la pretesa di indicare
quale dei due approcci sia il migliore, ma si cerca di capire se effettivamente quel
processo sia utile.
Università degli Studi di Napoli “Federico II”
5
Ficetola Francesco
Semantica Project
Un esempio concreto di applicativi frutto degli studi di IR, con il quale ci cimentiamo
quotidianamente, sono i motori di ricerca.
Oggi una delle principali sfide che questi sistemi artificiali si trovano ad affrontare è
data dalla necessità di recuperare, da una enorme massa di dati e documenti web,
quella che viene comunemente definita "the relevant information". Per evitare, cioè,
delle situazioni di information overload - o come direbbe il grande filosofo Jean
Baudrillard, per evitare che " l’inflazione delle informazioni produca deflazione di
senso " - diventa sempre più importante, per gli attuali motori, riuscire a soddisfare
con facilità e, soprattutto senza perdite di tempo, le queries di coloro che cercano
informazioni attraverso il web.
La realizzazione concreta di un web effettivamente "intelligente" - in cui gli agenti
informatici, cioè i motori di ricerca, siano in grado di riconoscere semanticamente il
contenuto del testo e di dare in risposta solo quei documenti che, sulla base delle
richieste effettuate, risultino essere effettivamente rilevanti per colui che ha
effettuato la ricerca - rimane, però, ad oggi, un obiettivo ancora lontano da venire.
Una buona definizione di motore di ricerca semantico potrebbe essere questa
[6]:
Definizione I.1. “ Un motore di ricerca semantico è un motore di ricerca che si
pone l’obiettivo ambizioso di comprendere così bene la vostra domanda, da essere
in grado di fornirvi LA risposta corretta ”
La lettera maiuscola non è stata lasciata a caso, perché vuole far notare che un
attuale motore di ricerca riceve una query e ci fornisce un elenco di risultati che
non sono LA risposta alla nostra domanda, ma che possono contenere la risposta al
nostro bisogno informativo.
Secondo la definizione data, un motore di ricerca semantico fa qualcosa (o
meglio dovrebbe fare qualcosa) di più ambizioso, risparmiando un bel po’ di fatica:
gli strumenti di analisi e comprensione in suo possesso sono tali da saltare il passo
dell’elenco di tutti i contenuti, per passare direttamente al soddisfacimento del
bisogno informativo. In poche parole, si riduce il numero dei passi necessari a
soddisfare la ricerca.
Università degli Studi di Napoli “Federico II”
6
Ficetola Francesco
Semantica Project
Finora il trovare la risposta giusta è sempre stato interpretato come un processo
interattivo, in cui l’utente fa una ricerca, riceve dei risultati, ne dà una giusta
valutazione, infine pone una nuova ricerca che restringe o allarga o modifica la
prima. L’idea è sempre stata che la natura della domanda avesse come
conseguenza l’impossibilità di tentare di dare una risposta esatta: l’unica strada
percorribile è fornire l’insieme delle migliori risposte lasciando all’utente il compito di
navigarle (Information Retrieval).
I propugnatori della ricerca semantica così definita avvicinano il caso della ricerca
più al question answering che all’information retrieval. In ambiti ristretti il question
answering è sicuramente possibile ed efficace, ma la sostituzione di un Google con
un gigantesco oracolo che risponde correttamente a qualunque domanda, sembra
ancora un po’ lontana.
Un esempio di applicazione che ha fornito un possibile approccio alla question
answering è dato da AskWiki [7], in cui la precisione nel retrieval dei risultati viene
affrontata con una profonda comprensione della domanda dell’utente. Ecco un
primo esempio di sistema che “cerca” di trovare il significato delle parole e di
elaborarle computazionalmente.
Un motore di ricerca che utilizza l’approccio semantico al linguaggio naturale
(“semantico” qui è da contrapporre a “basato su keywords”) dovrebbe offrire i
seguenti vantaggi:
●
comprensione dell’intento che “guida” le query;
●
maggiore e proficua comprensione dei documenti disponibili sul web;
●
migliore matching tra intento della query e significato dei documenti;
●
valorizzazione delle risposte e non delle semplici keywords.
Verso la comprensione del significato
“Il funzionamento molto spesso poco soddisfacente dei più comuni motori
di ricerca per Internet (Google, Yahoo, Live ed altri), quando si cercano
informazioni specifiche e non di massa, ha portato ad un rinnovato interesse per
approcci alternativi che superino le tecnologie attuali.
Per molte tipologie di ricerche (anche se non per tutte), un motore basato
sull’interpretazione del linguaggio consentirebbe innanzi tutto di porre le proprie
domande nello stesso modo con cui si chiedono informazioni alle persone [..].
Università degli Studi di Napoli “Federico II”
7
Ficetola Francesco
Semantica Project
Il concetto base della tecnologia semantica è di avere una comprensione del
significato dei contenuti per riuscire a gestire la conoscenza a livello concettuale (e
non più solo attraverso parole-chiave), in modo molto più simile a quanto fanno le
persone.”
Queste parole di Marco Varone [2] ci danno un’idea del cambiamento che è in
atto nel mondo dei motori di ricerca, un cambiamento che muove dal
riconoscere i limiti delle tecnologie di ricerca attualmente diffuse (ovvero basate su
keywords e variazioni sul tema del PageRank).
Il cambiamento consiste nella migrazione, al momento lenta e faticosa, verso
tecnologie di ricerca che ammettono la centralità del linguaggio naturale, visto non
solo come un insieme di parole chiave o tags, ma più realisticamente come
struttura complessa in cui sintassi e semantica concorrono a costruire il significato.
I problemi che “affliggono” le teorie semantiche dell’interpretazione del linguaggio
naturale non sono pochi: il principale, è certamente, il problema posto
dall’interpretazione del significato singolo di ogni termine o parola in una
determinata lingua.
Gli strumenti di ricerca basati sul NLP trovano nella classificazione
generalista tramite ontologie di concetti la loro ragion d’essere.
La strada alternativa, e ad oggi in completo fermento, consiste nell’aggiungere alla
classificazione generalista per tag, un motore linguistico in grado di analizzare e
riconoscere in modo automatico le classi dei concetti, i concetti stessi, le persone, e
così via, sino a livelli particolareggiati di affinamento della ricerca. Grazie
all’individuazione del giusto significato di un termine fra i tanti possibili e alle
relazioni semantiche tra i diversi concetti, il risultato (auspicato) è quello di afferrare
il vero contenuto di un testo.
L’unica tecnologia che consente di arrivare davvero a una forma di comprensione
della lingua è la semantica: è una strada decisamente in salita, ma è inutile
continuare a prendere delle scorciatoie, perché i fatti dimostrano che non si arriva a
destinazione. Parole che fanno sperare nel cambiamento (in un futuro prossimo),
anche se è bene restare con i piedi per terra, non promettere troppo e troppo
presto e cercare di arrivare per gradi al premio più ambito: la soddisfazione degli
utenti.
Università degli Studi di Napoli “Federico II”
8
Ficetola Francesco
Semantica Project
Il retrieval semantico dei learning objects
Come riusciamo ad estrarre, dalla nostra mente, le informazioni che ci
servono per risolvere un determinato problema? Quali sono i meccanismi che
regolano il recupero delle informazioni immagazzinate nella nostra memoria? Come
fanno gli esseri umani ad estrarre, con tale straordinaria abilità, una certa
informazione solo nel momento in cui essa diviene rilevante per la risoluzione di un
determinato compito cognitivo? Il tentativo di rispondere a quesiti di questo tipo
segnò, verso la fine degli anni '40, la nascita, in campo psicologico, di una nuova
area di ricerca che prese il nome di Information Retrieval (il termine fu coniato
da Calvin Mooers).
In anni più recenti, con l’avvento della rivoluzione tecnologica determinata dalla
diffusione dell’informatica e di internet - e soprattutto con l’aumento esponenziale
della mole di informazioni immagazzinate su documenti in formato digitale - i temi
di ricerca dell’Information Retrieval hanno trovato nuova linfa e nuova dimensione
applicativa nel campo dell’informatica.
Mentre prima, infatti, (agli albori della disciplina) gli studi del settore si
concentravano soprattutto sul come, nella mente umana, avvenisse la fase di
"retrieval" (recupero) informativo, oggi quando si parla di Information Retrieval ci si
riferisce inequivocabilmente a quell’ambito di ricerca che si occupa di studiare
“l’insieme delle tecniche utilizzate per il recupero dell’informazione in formato
elettronico” (Wikipedia).
È bene sapere che un sistema di retrieval, per poter recuperare l’informazione, usa i
linguaggi di interrogazione basati su comandi testuali. Vedremo poi in seguito di
cosa si sta parlando. Ora qui vogliamo capire per quale motivo si vuole
“perfezionare” la ricerca dei
contenuti didattici o learning objects, così
denominati nel campo dell’e-learning.
Definizione I.2. «Un learning object è ogni risorsa digitale che può essere
riutilizzata per supportare l’apprendimento. » (D. A. Wiley)
Il motivo sostanzialmente è dovuto al fatto che per i contenuti didattici si ha
la medesima necessità di recuperare informazioni, specie nel caso in cui gli stessi
risultino in quantità elevate e si vogliano facilmente riutilizzare per nuovi usi o per
Università degli Studi di Napoli “Federico II”
9
Ficetola Francesco
Semantica Project
assemblare dei veri e propri corsi didattici.
Infatti, i learning objects costituiscono particolari tipi di risorse di apprendimento
auto consistenti, dotate di modularità, reperibilità, riutilizzo e interoperabilità, che
ne consentono la possibilità di impiego in contesti diversi.
La parola chiave è riutilizzabilità, che, come sanno gli esperti del settore dell’ elearning, è una proprietà essenziale che viene assicurata per fare in modo che i
learning objects possano essere utilizzati ovunque e comunque. Ma la riutilizzabilità
non è l’unica prerogativa. Esistono, infatti, molte altre proprietà che un “oggetto
didattico” deve possedere:
innanzitutto, queste proprietà vengono garantite
mediante l’adozione di standard , che migliorano la stessa portabilità e la fruibilità
dei materiali. Per maggiori informazioni su questi standard è possibile far
riferimento al mio precedente lavoro di tesi [8].
Lo slogan adottato in ambito e-learning per garantire le proprietà
precedenti è sempre lo stesso: everywhere, every time, everyone :
●
everywhere : con ogni sistema operativo e ogni browser;
●
every time : usabile, cioè comprensibile (testi, icone, navigazione) per
l’utente di riferimento;
●
everyone : accessibile, in modo da non creare forme di esclusione basate
sulla tecnologia.
Ma se oltre a queste prerogative introduciamo un metodo per il recupero delle unità
di apprendimento efficace e immediato, allora riusciamo meglio a garantire la
riusabilità delle stesse risorse.
L’osservatorio
ANEE
ha
definito
l’e-Learning
come
una
metodologia
di
insegnamento e apprendimento che coinvolge sia il prodotto sia il processo
formativo. Per prodotto formativo si intende ogni tipologia di materiale messo a
disposizione in rete. Per processo formativo si intende, invece, la gestione
dell’intero iter didattico che coinvolge gli aspetti di erogazione, fruizione,
interazione, valutazione. Peculiarità dell’e-Learning è l’alta flessibilità garantita al
discente dalla reperibilità sempre e ovunque dei contenuti formativi, che gli
permettono l’autogestione e l’autodeterminazione del proprio apprendimento.
Università degli Studi di Napoli “Federico II”
10
Ficetola Francesco
Semantica Project
La formazione a distanza attraverso le nuove tecnologie assicura
vantaggi notevoli, primo tra tutti un’estrema flessibilità di tempo e di spazio: il
discente non è più costretto ad essere presente nel medesimo luogo dell’insegnante
e può studiare anche da casa quando e quanto vuole. Se a questo aggiungiamo il
miglioramento dell’accesso all’istruzione, l’aumento della qualità del contenuto
formativo, una sua gestione più flessibile, la possibilità di misurare facilmente i
risultati e la diminuzione dei costi, capiamo perché la formazione a distanza è al
giorno d’oggi molto appetita in tutti gli ambienti didattico/formativi [58].
Purtroppo gli attuali sistemi di didattica non sono privi di difetti. La principale pecca
dei sistemi attualmente in commercio è che essi non sfruttano le potenzialità del
mezzo che hanno a disposizione, utilizzandolo come mero veicolo di informazione e
non come strumento capace di elaborare tale informazione in maniera intelligente e
personalizzata [53].
Sommario dei capitoli della Tesi
In questa Introduzione abbiamo introdotto i concetti che verranno via via
affrontati nei dettagli nei prossimi capitoli. Abbiamo focalizzato le problematiche
dovute all'ambiguità del linguaggio e gli obiettivi che ci siamo preposti, attraverso
un “tentativo” che faccia un uso massiccio di ontologie.
Nel Capitolo 1 si parla del Semantic Web e di tutte quelle tecnologie che
vengono utilizzate, o almeno cercano di essere impiegate, per la sua realizzazione.
Si introduce il problema della “irrealizzabilità” di un Web Semantico nel breve
periodo, ma si tenta di impiegare gli standard e le tecnologie che costituiscono il
Semantic Web Stack
in domini più ristretti, dove le problematiche sono meno
stringenti e superabili. Vengono, inoltre, introdotti dei modelli di retrieval.
Nel Capitolo 2 vengono approfondite le tecnologie del Semantic Web,
impiegate nel nostro caso nel dominio dell'e-Learning. Per cui si approfondisce l'uso
del linguaggio RDF e OWL, e dunque, delle ontologie, per poi introdurre quelle
utilizzate dal nostro sistema: l'ontologia didattica CuOnto e quella di dominio,
DOMONTO. Ci si sofferma brevemente sulle ontologie persistenti.
Nel Capitolo 3 si entra nel vivo del nostro approccio: Semantica Project,
una soluzione ontologica. Si introduce il campo applicativo del nostro lavoro, ovvero
quello dell'indexing e del retrieval semantico di contenuti didattici (learning
Università degli Studi di Napoli “Federico II”
11
Ficetola Francesco
Semantica Project
objects). Si cerca di capire come mai l'utilizzo delle ontologie risulti vantaggioso in
domini ristretti e come mai si debbano annotare i learning objects per introdurre
semantica nei contenuti didattici. Sempre in questo capitolo viene descritta la
struttura di alto livello e il modello della macchina semantica, parlando delle sue
ontologie, della base di conoscenza (knowledge base) da essa posseduta e del suo
modello di comunicazione.
Nel Capitolo 4 si arriva alla vera e propria fase di progettazione e di
implementazione della macchina semantica, con un primo tentativo di utilizzo della
stessa. Si spiega il funzionamento di ogni singolo componente dell'architettura
logica della macchina, capendo quali sono le informazioni che vengono da essa
trattate ed elaborate. Si evidenzia la fase di indexing della macchina semantica con
le singole operazioni che vengono effettuate sui contenuti testuali e sulla struttura
dei learning objects. Infine, si parla dei modelli di retrieval di learning objects e
degli approcci alla generazione automatica dei corsi.
Nel Capitolo 5 viene presentata la web application Semantica, primo
tentativo di utilizzo della macchina semantica. Si analizza il funzionamento dei
singoli moduli della web application, spiegando nei dettagli i modelli di retrieval.
Dunque, si affronta il processo di retrieval da parte dell'utente finale, con esempi
d'uso dei tre modelli implementati. Vengono presentati, infine, gli approcci per la
generazione automatica e semiautomatica dei corsi, il processo di editing dei
contenuti didattici e la sperimentazione di questi approcci per la creazione di corsi
personalizzati.
Università degli Studi di Napoli “Federico II”
12
Ficetola Francesco
Università degli Studi di Napoli “Federico II”
Semantica Project
13
Ficetola Francesco
Semantica Project
Capitolo 1
Il Semantic Web, i sistemi e i modelli di retrieval
Come già anticipato nell’introduzione, lo scenario attuale del World Wide Web
è quello di un enorme insieme di testi collegati in qualche modo tra di loro. Questi
“collegamenti” tra i contenuti disseminati sulla rete sono classificabili in due
categorie:
-
collegamenti sintattici: sono legati al funzionamento di qualche codice
di programmazione, localizzando la risorsa con un URL (Uniform
Resourse Locator ) univoco sulla rete;
-
collegamenti, meglio detti annotazioni, che descrivono il significato
di una risorsa, che oltre a “portare in un determinato luogo”,
dovrebbero descrivere il luogo verso cui porta (capacità semantica).
Ebbene, queste due “dimensioni” ci portano alla definizione dell’attuale Web e
del futuro e auspicabile Web Semantico. Il termine Web Semantico è stato
proposto per la prima volta nel 2001 da Tim Berners-Lee. Da allora il termine è
stato associato all’idea di un Web nel quale agiscano agenti intelligenti (creati
senza ricorrere all’intelligenza artificiale ad alti livelli), applicazioni in grado di
comprendere il significato dei testi presenti sulla rete e perciò in grado di guidare
l’utente direttamente verso l’informazione ricercata, oppure di sostituirsi a lui nello
svolgimento di alcune operazioni. In questo lavoro di tesi non ci occupiamo degli
agenti intelligenti, per cui si rimanda a [7] e [8] per approfondimenti.
Università degli Studi di Napoli “Federico II”
14
Ficetola Francesco
Semantica Project
Secondo la visione di Lee, l’attendibilità di una informazione (tramite ricerche
incrociate o in dipendenza del contesto) dovrebbe essere verificata utilizzando un
meccanismo simile alle famigerate catene di S. Antonio. Utilizzando questa
tecnologia si può automatizzare la ricerca delle pagine, poiché all’atto della
creazione del contenuto delle pagine le informazioni sono definite ed inserite
secondo precise regole semantiche (per questo è stato coniato il termine Web
Semantico). Il Web Semantico è quindi un nuovo modo di concepire i documenti
per il World Wide Web. Secondo la definizione di Tim Berners-Lee [10]:
Definizione 1.1. "Il Web Semantico è un'estensione del Web corrente in cui le
informazioni hanno un ben preciso significato e in cui computer e utenti lavorano
in cooperazione"
Le possibilità offerte dal Web Semantico sono tante e tali che non si sono ancora
approfondite le sue potenzialità. Per questo, più che di tecnologia, si parla di
visione del Web Semantico.
1.1 Il Web Semantico: un’illusione realizzabile
Voglio riportare una interessante intervista ad uno dei più apprezzati studiosi
italiani della rete, Nicola Guarino, direttore a Trento di una sede distaccata (il
laboratorio di Ontologia Applicata) dell’Istituto di Scienze e Tecnologie della
Cognizione del Car, che fa il punto sulle prospettive di sviluppo dei sapere in
Internet [11]. Guarino promuove un approccio fortemente interdisciplinare, che
combini informatica, ricerca filosofica, linguistica e scienze cognitive nella
elaborazione delle cosiddette ontologie informatiche, che “stanno alla base di
una tecnologia come quella del web semantico”. Semplice è anche la sua
definizione di Web Semantico:
Citazione. “Il progetto legato all’idea di web semantico è quello di rendere
comprensibile ad un computer una pagina web, che solitamente è stata creata per
essere compresa da un essere umano […] // un calcolatore sa acquisire e collegare
le varie informazioni (ndr, in modo semantico)”
Università degli Studi di Napoli “Federico II”
15
Ficetola Francesco
Semantica Project
La comprensione delle cose di un essere umano è l’implicito riferimento ad una
ontologia. Ad esempio, la distinzione tra due oggetti differenti che hanno il
medesimo segno - l’informazione infatti è costituita da un segno, ossia la forma, e
il significante, descrizione dell’oggetto o semplicemente il suo significato - è
prettamente ontologica. L’idea allora è stata quella di annotare ai contenuti di una
pagina web i rispettivi riferimenti ontologici, definiti secondo una prefissata
descrizione di tutti i possibili oggetti e delle loro relazioni, che sarà appunto
l’ontologia a cui il calcolatore può accedere.
In questo modo si tenta di rendere il computer capace di interpretare e collegare
informazioni provenienti da contesti differenti nel modo più naturale ed efficiente
possibile.
Lo stesso Guarino sembra scettico riguardo alla creazione di una ontologia
universale ed onnicomprensiva. Nella pratica, infatti, molto dipende dall’obiettivo
concreto che ci si prefigge. Se ci interessa un contesto limitato risulta efficiente
una descrizione solo di quegli oggetti che in quel contesto possono comparire. Ciò
che è cruciale, però, è che l’ontologia sia ben fondata e per crearla è necessario un
ragionevole accordo tra gli esperti dell’ambito che consideriamo, ma anche il
contributo di un intelligente approccio filosofico, che può giovarsi dei risultati della
filosofia analitica, ma anche della stessa ontologia classica.
Citazione. “Quella del Semantic Web è una strada ardua e tutta in salita e
affronta problemi (come quello di far “parlare” banche dati eterogenee) che da
decenni in informatica non si riesce a risolvere in modo soddisfacente. È molto
pericoloso creare delle aspettative troppo alte che, una volta disattese, rischiano di
minare ogni fiducia nelle ricerche in questo settore ”
1.2 L’architettura del Web Semantico
Scrivere del codice in grado di compiere operazioni semantiche dipende dallo
schema utilizzato per archiviare le informazioni. Lo schema (ad esempio uno
schema XML) è un insieme di regole sull'organizzazione dei dati; può definire
relazioni fra i dati e può anche esprimere vincoli tra classi di dati.
L'idea del Web Semantico nasce estendendo l'idea di utilizzare schemi per
Università degli Studi di Napoli “Federico II”
16
Ficetola Francesco
Semantica Project
descrivere domini di informazione. I metadati devono mappare i dati rispetto a
classi, o concetti, di questo schema di dominio. In questo modo si hanno strutture
in grado di descrivere e automatizzare i collegamenti esistenti fra i dati.
Il Web Semantico è, come l'XML, un ambiente dichiarativo, in cui si specifica il
significato dei dati, e non il modo in cui si intende utilizzarli. La semantica dei
dati consiste nel dare alla macchina delle informazioni utili in modo che essa possa
utilizzare i dati nel modo corretto, convertendoli eventualmente.
Riassumendo, il Web Semantico si compone di tre livelli fondamentali:
1. i dati;
2. i metadati, che riportano questi dati ai concetti di uno schema;
3. le classi di dati, ossia le relazioni fra concetti espresse nello schema.
Guardiamo ora più in profondità la struttura alla base della visione del Web
Semantico. Faremo riferimento a un diagramma piramidale [10]:
Figura 1.1: Semantic Web Stack
Università degli Studi di Napoli “Federico II”
17
Ficetola Francesco
Semantica Project
Il Web Semantico ha quindi una architettura a livelli, che però non è stata ancora
sviluppata completamente. Ciò avverrà nei prossimi anni.
Vediamo ora il diagramma più in dettaglio:
1. il Web Semantico si basa sullo standard URI (Uniform Resource
Identifiers), per la definizione univoca degli indirizzi Internet;
2. al livello superiore si trova XML (eXtensible Markup Language), che gioca
un ruolo di base con i namespace e gli XML Schema. Con XML è possibile
modellare secondo le proprie esigenze, e senza troppi vincoli, la realtà che
si considera: per questo è un linguaggio che porta con sé alcune
informazioni sulla semantica degli oggetti. Questa libertà lo rende poco
adatto, però, a definire completamente la struttura e l’interscambio di
informazioni tra diverse realtà, quindi è stata favorita la creazione di un
nuovo linguaggio;
3. RDF (Resource Description Framework ) e RDF Schema, che
costituiscono il linguaggio per descrivere le risorse e i loro tipi. Derivano da
XML;
4. più in alto si pone il livello ontologico. Una ontologia che permette di
descrivere le relazioni tra i tipo di elementi (per esempio “questa è una
proprietà transitiva”) senza, però, fornire informazioni su come utilizzare
queste relazioni dal punto di vista computazionale;
5. la firma digitale è di significativa importanza in diversi strati nel modello
astratto del Web Semantico . La crittografia a chiave pubblica è una
tecnica nota da qualche anno, ma non ancora diffusa su larga scala, forse
perché impone una scelta binaria tra fiducia o non fiducia, mentre sarebbe
necessaria una infrastruttura in cui le parti possano essere riconosciute e
accettate in specifici domini. Con questo accorgimento, la firma digitale
potrebbe essere utilizzata per stabilire la provenienza delle ontologie e
delle deduzioni, oltre che dei dati;
6. il livello logico è il livello immediatamente superiore. A questo livello le
asserzioni esistenti sul Web possono essere utilizzate per derivare nuova
conoscenza.
interoperabili,
Tuttavia,
per
cui
i
sistemi
invece
deduttivi
di
non
progettare
sono
un
normalmente
unico
sistema
onnicomprensivo per supportare il ragionamento, si potrebbe pensare di
definire un linguaggio universale per rappresentare le dimostrazioni. I
Università degli Studi di Napoli “Federico II”
18
Ficetola Francesco
Semantica Project
sistemi potrebbero quindi autenticare con la firma digitale queste
dimostrazioni ed esportarle ad altri sistemi che le potrebbero incorporare
nel Web Semantico.
Approfondiremo i livelli dell’URI, dell’RDF e delle Ontologie nel prossimo capitolo.
In questo, invece, vogliamo esaltare i modelli di retrieval.
1.3 L’informazione e la sua rappresentazione
Ricordiamo il problema da cui siamo partiti e a cui vogliamo applicare una
nostra possibile soluzione: la crescente disponibilità di risorse informative unita alla
facilità del loro accesso tramite il World Wide Web ha creato una situazione nota
come information overload, situazione in cui il navigatore si trova in un mare di
informazioni senza riuscire a localizzare quelle necessarie. I moderni motori di
ricerca cercano le informazioni semplicemente tramite una corrispondenza
sintattica fra i termini della query scritta dall’utente e i termini indice con cui sono
memorizzati i documenti. I motori di ricerca possono soltanto fare corrispondenze,
non interpretare i contenuti del documento che elaborano.
Ovviamente, questa limitazione porta ad un peggioramento del servizio offerto, in
quanto la ricerca non è in grado di sfruttare i rapporti semantici esistenti fra le
parole del lessico. Ad esempio, una ricerca effettuata per un certo termine può
essere non adatta a recuperare documenti che non utilizzano esplicitamente il
termine ma un suo sinonimo (ovvero recuperare la dimensione semantica del
testo).
Tuttavia, vi è un problema di congruenza dell’informazione rispetto al bisogno
informativo dell’utente: la stessa informazione, infatti, può essere utile in un
determinato contesto, mentre in un altro può essere totalmente irrilevante.
Secondo la teoria classica della comunicazione [12], l’informazione è una
grandezza misurabile legata alla probabilità dei simboli che compongono un
messaggio
da
trasmettere.
Secondo
tale
teoria,
l’informazione
è
quindi
strettamente legata al problema di trasmissione di dati lungo un canale di
comunicazione e non ha un significato, nel senso che tale significato è irrilevante
nei
confronti
del
problema
di
trasmissione.
La
dimensione
semantica
dell’informazione viene recuperata da MacKay - affermando che “l’informazione è
Università degli Studi di Napoli “Federico II”
19
Ficetola Francesco
Semantica Project
un aumento o cambiamento della conoscenza” -, da Nauta jr. e dalle teorie
semiotiche di Pierce e Morris.
Sempre MacKay sostiene che “si guadagna informazione quando conosciamo
qualcosa che prima non conoscevamo, quando ciò che conosciamo è mutato”. [14]
Secondo Pierce, la semantica è data dalla corrispondenza di un significante con un
significato. Tale corrispondenza rappresenta il segno, che è una costruzione
mentale. Morris, sulle orme di Pierce, elabora un modello di informazione
strutturata a livelli:
-
livello semantico, ovvero corrispondenza fra significati e significanti;
-
livello pragmatico, ovvero corrispondenza fra significati e azioni
provocate presso il destinatario dell’informazione;
-
livello sintattico, ovvero mera trasmissione di simboli.
Per ulteriori approfondimenti sulla semiotica e sulla teoria dell’informazione si
faccia riferimento alla teoria matematica della comunicazione di Shannon [12] e al
modello semiotico-informazionale di Umberto Eco [13].
L’informatica, e in particolare l’information retrieval, si sono per lo più basati
sulla dimensione sintattica dell’informazione. Per garantire migliori prestazioni nella
ricerca, siamo “costretti” ad introdurre anche la semantica delle informazioni nel
retrieval dei contenuti sul World Wide Web.
La semiotica è lo studio dei segni e dei simboli e del modo in cui il significato viene
costruito e capito. I contributi di Pierce e Morris hanno fondato le basi della
semiotica moderna, nella quale centrale è il concetto di segno. La funzione
principale del segno è quella di rappresentare un oggetto. È il segno che ha un
significato, non l’oggetto. Il segno non è strettamente legato alla parola: esso può
essere un’immagine, un suono, un gesto, un comportamento. Il fatto importante è
la correlazione (referenza) fra segno e oggetto (referente).
Dunque, in semiotica un codice è un insieme strutturato di regole che abbina unità
di un sistema sintattico, dette significanti, con unità di un sistema semantico, i
significati. Noi cercheremo, appunto, di rifarci a questa struttura, andando al di là
della mera rappresentazione dei segni e concentrandoci sul recupero della
dimensione semantica dei concetti, che ci servirà per collegarli tra di loro e guidare
la ricerca dei contenuti in modo più intelligente.
Università degli Studi di Napoli “Federico II”
20
Ficetola Francesco
Semantica Project
1.4 I sistemi “attuali” di Information Retrieval
Riprendendo quanto detto nella parte introduttiva, l’information retrieval è
l’insieme delle tecniche che consentono di individuare facilmente le informazioni
rilevanti per uno specifico bisogno formativo. Tuttavia, più che di informazione,
nell’IR si dovrebbe parlare di document, in quanto non riesce (almeno allo stato
attuale) a misurare una informazione. Infatti, i sistemi di IR informano circa
l’esistenza o meno dei documenti collegati ad una richiesta. Essi lavorano su
termini indicizzati per individuare e restituire documenti, dove per termine
indicizzato si intende una parola chiave oppure un insieme di termini che sono
significativi nel contesto del documento (spesso una parola del documento stesso).
L’attività fondamentale di un sistema di IR è quella del matching fra i termini
indicizzati e la query dell’utente.
Ci sono diverse modalità di accesso alle informazioni su Web e tali modalità
dipendono sia dalla natura dell’informazione, sia dalle esigenze dell’utente:
-
l’utente può, infatti, navigare per mezzo di attivazione di “link”
(paradigma point and click)
-
oppure,
mediante
formulando
Informational
una
specificazione
richiesta
Retrieval
esplicita
formale
Systems
da
o
delle
passare
Search
sue
ai
Engine
esigente,
sistemi
di
Database
Management Systems (sistemi per il reperimento automatico di
informazioni).
Allo stato attuale già esistono sistemi di retrieval, che apprendono le preferenze
degli utenti sulla base dei loro acquisti precedenti, specie nell’ambito del
commercio elettronico. Essi sono detti Recommender Systems. Altri sistemi IR,
mediante dialogo guidato, apprendono ciò che l’utente desidera (Sistemi di
supporto alle decisioni).
Dunque, i cosiddetti sistemi per il reperimento automatico delle informazioni
si distinguono in due categorie:
-
sistemi per la gestione di basi di dati (DBMS), in cui le informazioni
sono costituite da dati e l’utente li richiede esplicitamente tramite una
richiesta “formale” per mezzo di un linguaggio di interrogazione;
Università degli Studi di Napoli “Federico II”
21
Ficetola Francesco
Semantica Project
-
sistemi di information retrieval (motori di ricerca), dove le
informazioni sono contenute in documenti (generalmente testuali).
L’utente richiede esplicitamente dei documenti descrivendone il
contenuto tramite una richiesta “formale” per mezzo di un linguaggio
di interrogazione.
Ovviamente, qui ci si sofferma sulla seconda categoria di sistemi, in cui
l’informazione può essere di diversi tipi: testuale, visuale o vocale, benché la
maggior parte dei sistemi di IR consentono la rappresentazione e il reperimento di
soli testi contenuti in documenti.
Il problema di identificare l’informazione rilevante (relevant information) tra le
esigenze di uno specifico utente è di tipo decisionale: la decisione è basata sulla
abilità di stabilire la rilevanza di un documento rispetto alle reali e soggettivi
esigenze di un utente. Problema molto complesso, caratterizzato da imprecisione e
incertezza.
Figura 1.2: Sistema di Information Retrieval
Università degli Studi di Napoli “Federico II”
22
Ficetola Francesco
Semantica Project
Dunque, lo scopo di un sistema di information retrieval è stimare la rilevanza dei
documenti sulla base di un confronto tra la rappresentazione formale dei
documenti e le queries.
I componenti di base di un sistema IR sono:
-
archivi di documenti: il documento è l’unità di informazione
reperibile. Può essere costituito da un testo in forma narrativa
(testuale) o essere composto da parti narrative, pittoriali,
codificate, ecc.
-
rappresentazione formale dei documenti: sintetizza il contenuto
informativo dei documenti
-
linguaggio di query: in una query sono espresse le condizioni per
la selezione dei documenti di interesse per l’utente;
-
meccanismo di “matching”: confronta la rappresentazione dei
documenti con le condizioni di selezione espresse nella query.
Il matching tra termini può essere di diversi tipi [15]:
-
exact
match:
la
rappresentazione
della
query
corrisponde
esattamente alla rappresentazione del documento nel sistema;
-
partial match: solo una parte dei termini usati nella formulazione
della query corrisponde alla rappresentazione del documento nel
sistema;
-
positional match: prende in considerazione la posizione dei termini
usati nella query nella rappresentazione del documento;
-
range match: si può utilizzare in espressioni numeriche.
Scopo del meccanismo di indicizzazione dei documenti è fornire al
meccanismo di matching una sintesi del contenuto dei documento per un
reperimento efficace degli stessi in fase di retrieval.
Il problema diventa quello della definizione di una rappresentazione formale del
contenuto informativo dei documenti basata sull’associazione di “indici” o
descrittori ai documenti.
Università degli Studi di Napoli “Federico II”
23
Ficetola Francesco
Semantica Project
Figura 1.3: Indexing di documenti
La
procedura
di
indexing
è
basata
sull’associazione
manuale
o
sull’estrazione automatica da un documento di frasi o termini (indici) che ne
rappresentano il contenuto informativo. L’indicizzazione detta Full Text consiste
nell’estrazione automatica da un documento di tutti i termini in esso contenuti a
meno di un sottoinsieme non significativo costituito da preposizioni, articoli, ecc.,
elencati in una lista detta stop-list (i termini troppo frequenti non sono considerati
buoni indici).
La maggior parte degli approcci seguiti per l’indexing sono di tipo statistico e
solo quando si considerano domini della conoscenza alquanto specifici è possibile
applicare delle buone tecniche di comprensione del linguaggio naturale. Non è
nemmeno consigliabile una associazione manuale di indici, perché vale la
soggettività dei giudizi umani e costituisce un approccio costoso e impraticabile
quando si hanno molti documenti.
L’idea di base dell’indicizzazione dei documenti è quella di ridurre e semplificare il
contenuto di un documento, arrivando ad un insieme limitato e significativo di
termini che lo rappresentino (parole, frasi, nomi, link, metadati…), creando il
cosiddetto inverted file.
Ma oltre all’operazione precedente, bisogna anche assegnare un peso agli elementi
selezionati. La maggior parte dei sistemi di IR combinano:
-
frequenza di un termine in un documento (Term Frequency, TF);
-
frequenza di un termine in tutto l’archivio (Inverse Document
Frequency);
-
lunghezza dei documenti.
Università degli Studi di Napoli “Federico II”
24
Ficetola Francesco
Semantica Project
Evidentemente, se una parola compare più volte in un documento, allora ha una
certa importanza, ma se compare poche volte in un documento lungo allora è
meno importante. Inoltre, l’importanza di quel termine si riduce qualora tutti i
documenti in archivio contengono quell’occorrenza, essendo in tal modo quel
termine stesso non un buon descrittore.
Per quanto riguarda la query, l’idea per migliorare il meccanismo di retrieval,
potrebbe essere quella di espanderla per catturare i sinonimi o concetti legati con
qualche relazione semantica.
Dunque, le fasi da seguire nel processo di retrieval sono:
✔
confronto tra query e documenti;
✔
verifica della presenza di indici nel documento;
✔
utilizzo dei pesi degli indici come base per la definizione dell’ordinamento
dei documenti nella lista presentata all’utente. Gli indici con peso elevato
sono più importanti.
In conclusione, un sistema di Information Retrieval ha lo scopo di recuperare
documenti da una collezione per rispondere alle queries dell’utente, ma si
differenzia da un sistema di data retrieval, perché quest’ultimo determina quali
documenti di una collezione contengono le parole-chiave della query, anche se ciò
non è sufficiente a soddisfare il bisogno di informazione dell’utente. Infatti, è
necessario tener presente che all’utente di un sistema di IR interessa non tanto
recuperare i dati che soddisfano una particolare query, bensì le informazioni
riguardanti un particolare argomento.
1.5 L’estrazione delle informazioni dai contenuti e la relevant
information
L’information retrieval deve fare i conti con il testo in linguaggio naturale che
non è sempre ben strutturato e può essere semanticamente ambiguo.
Dunque, per essere efficace nel suo intento di rispondere al bisogno di
informazione dell’utente, un sistema di IR deve in qualche modo interpretare il
contenuto dei documenti ed ordinarli a seconda del grado di rilevanza rispetto a
ciascuna query. Per fare ciò è necessario estrarre l’informazione sintattica e
Università degli Studi di Napoli “Federico II”
25
Ficetola Francesco
Semantica Project
semantica dal testo.
La difficoltà non sta solo nella scelta del modo in cui estrarre tali informazioni, ma
anche in come utilizzarle per stabilirne la rilevanza. Pertanto la nozione di rilevanza
è fondamentale per l’IR [16].
In effetti, lo scopo principale di un sistema di IR è di recuperare tutti i
documenti rilevanti per la query dell'utente cercando di recuperare il minor numero
possibile di documenti non rilevanti.
L’efficacia del recupero delle informazioni è influenzata sia dal modo in cui l’utente
specifica l’insieme di parole che esprimono la semantica della propria richiesta di
informazione, sia dal modo in cui un sistema di IR rappresenta i documenti in una
collezione. Questi ultimi di solito vengono rappresentati, come già anticipato, da un
insieme di index terms o keywords, che vengono estratti direttamente dal testo
dei
documenti
in
maniera
automatica
o
generate
da
un
esperto.
La
rappresentazione di un documento con l’intero insieme delle parole che lo
costituiscono viene detta appunto full text. Si passa da una rappresentazione full
text ad una rappresentazione con keywords.
Tuttavia, per collezioni voluminose potrebbe essere necessario dover ridurre
l’insieme di keywords e questo può essere ottenuto, come approfondiremo,
attraverso:
-
l’eliminazione di articoli e congiunzioni (stop-words);
-
l’uso di stemming (che riduce parole a una radice grammaticale
comune);
-
l’identificazione di gruppi di nomi (che elimina aggettivi, verbi e
avverbi).
Queste operazioni sul testo vengono dette text operations. La rappresentazione
del documento attraverso l’insieme delle parole contenute è chiaramente la più
precisa, ma anche quella che comporta i costi computazionali più alti.
Adotteremo tale approccio in questo lavoro: rappresentare i documenti di un
learning object in modo sintetico, estraendo in modo automatico le informazioni e
memorizzandole in una knownledge base del sistema. I meccanismi di estrazione,
elaborazione e memorizzazione saranno appunto quelle corrispondenti al processo
di text processing descritto. Vedremo i dettagli nei prossimi capitoli.
Università degli Studi di Napoli “Federico II”
26
Ficetola Francesco
Semantica Project
Figura 1.4: Text processing
1.6 Gli ostacoli del linguaggio naturale
Le informazioni all’interno dei documenti e le stesse queries vengono
rappresentate da espressioni del linguaggio umano, costituendo un’ulteriore
complicazione del task dell’ Information Retrieval. Uno dei problemi principali è la
polisemia: a differenza dei linguaggi formali, dove ai simboli terminali (le parole
del linguaggio) corrisponde un unico significato, nel caso dei linguaggi naturali i
simboli terminali possono avere più di un significato (polisemia). La polisemia nel
processo di IR si presenta ogni volta che una query contiene parole per l’appunto
polisemiche, facendo in modo che i documenti ritornati possono non contenere
l’informazione ricercata.
La sinonimia, ovvero l’esistenza di parole con significato equivalente o
identico, ha per certi versi un effetto contrario: infatti in questo caso, in risposta ad
una query che contenga una parola con sinonimi, la probabilità che l’insieme dei
documenti ritornati sia incompleto rispetto all’insieme dei documenti rilevanti per la
query è sicuramente superiore al caso in cui la query non contenga parole con
sinonimi.Il problema della sinonimia può essere risolto facendo ricorso a risorse
lessicali come i thesauri, i quali data una certa parola, permettono di trovarne i
sinonimi [17].
Invece,
la
risoluzione
della
polisemia
avviene
attraverso
il
processo
di
disambiguazione semantica (Word Sense Disambiguation, WSD).
Università degli Studi di Napoli “Federico II”
27
Ficetola Francesco
Semantica Project
Ci soffermeremo sull’ultimo approccio in questo lavoro e utilizzeremo un dizionario
per il recupero dei significati dei concetti della lingua inglese, ovvero WordNet
della Princeton University.
Purtroppo, la realizzazione di un algoritmo efficiente per la disambiguazione
semantica è tuttora un problema aperto nel campo dell’elaborazione del linguaggio
naturale. È stato dimostrato [18] che l’indicizzazione semantica può migliorare
l’information retrieval, ma solo se la disambiguazione semantica è eseguita a meno
del 30% di errore. Purtroppo lo stato dell’arte attuale nel campo della WSD non è
ancora in grado di fornire disambiguatori con una precisione superiore al 70% per
tutte le categorie lessicali.
1.7 Architettura di alto livello di un sistema di information retrieval
Un sistema di IR è costituito essenzialmente da tre parti principali: l’input,
l’output e il processore.
L’input del sistema è caratterizzato dalla richiesta dell’utente, espressa in uno
specifico linguaggio, e dai documenti su cui fare la ricerca di informazione. I
documenti e le queries, come già visto, per poter essere utilizzati dal sistema
devono avere una medesima rappresentazione che può essere diretta, cioè
coincidente con i documenti stessi, o indiretta, ovvero data da surrogati.
Il processore realizza la fase vera e propria di ricerca e di recupero sulle
rappresentazioni dei documenti in risposta alle richieste dell’utente, quindi è il
blocco principale in cui vengono implementate le tecniche e le strategie di recupero
delle informazioni, che verranno spiegate più avanti in dettaglio, ovvero quei
meccanismi che permettono di confrontare la richiesta con le rappresentazioni di
documenti.
Infine, l’output consiste in una serie di documenti che dovrebbero soddisfare la
richiesta dell’utente. L’utente potrebbe soddisfare il suo bisogno di informazione in
diversi steps, traendo spunto dall’output per nuove direzioni di ricerca (feedback).
Università degli Studi di Napoli “Federico II”
28
Ficetola Francesco
Semantica Project
Figura 1.5: Struttura di alto livello di un sistema di IR
Un sistema di retrieval prima
di iniziare il recupero dell’informazione
deve eseguire su una collezione di documenti un pre-processo, in cui vengono
applicate al testo le operazioni che trasformano i documenti originali in una
rappresentazione degli stessi. In questa fase ogni documento viene descritto
tramite i termini indice e ad ognuno di essi viene assegnato un peso che quantifica
l’importanza di un termine per descrivere il contesto semantico del documento.
Una volta definita una vista logica dei documenti si passa alla fase di indicizzazione
in cui il sistema di IR costruisce un indice del testo. Definito un indice, questo viene
collegato ad uno o più documenti.
Un indice è una struttura dati critica poiché permette solo in seguito una
ricerca veloce su grandi volumi di dati. Dopo aver indicizzato il database dei
documenti, il sistema è pronto per effettuare una ricerca, quindi l’utente può
specificare la propria richiesta, la quale viene analizzata e trasformata tramite le
stesse operazioni applicate al testo. Il sistema, quindi, processa la query e cerca i
documenti che corrispondono meglio alla richiesta.
L’indice scelto, precedentemente costruito, influenza la velocità di processamento
delle query. Il sistema prima di fornire all’utente i documenti recuperati li riordina
in base ad un grado di rilevanza determinato da una misura di similarità.
La precedente descrizione costituisce un possibile approccio all’architettura
di un sistema di IR e, sempre per via illustrativa, si mostra nella figura seguente
una sua possibile schematizzazione:
Università degli Studi di Napoli “Federico II”
29
Ficetola Francesco
Semantica Project
Figura 1.6: Architettura di un sistema di IR
1.8 I modelli di information retrieval
Uno dei principali problemi dei sistemi di IR è quello di predire quali
documenti siano rilevanti e quali no; la rilevanza si ottiene a partire da un
algoritmo di ranking, il quale tenta di stabilire, sulla base di una misura di
similarità, un ordinamento dei documenti recuperati.
Un tale algoritmo opera secondo dei criteri di rilevanza dei documenti, ossia insiemi
di regole che permettono di stabilire quali documenti siano rilevanti e quali no;
criteri diversi producono differenti modelli di IR.
Il modello definisce la filosofia di fondo di un information retrieval system, ovvero
attorno a quali principi generali si è sviluppato il sistema. L’uso di un modello
concettuale
influenza
o
determina
il
linguaggio
di
interrogazione,
la
rappresentazione dei documenti, la struttura dei file ed i criteri di recupero dei
documenti.
I modelli di ricerca per le informazioni sul Web possono essere classificati in base
all’approccio adottato:
Università degli Studi di Napoli “Federico II”
30
Ficetola Francesco
Semantica Project
•
content-based: questo metodo raccoglie le preferenze esplicite
dell’utente e valuta l’attinenza delle pagine in base alle preferenze
dell’utente e al contenuto
•
collaborative:
questo
metodo
determina
la
rilevanza
delle
informazioni in base alla somiglianza fra gli utenti piuttosto che la
somiglianza fra le informazioni in sé;
•
domain-knowledge based: utilizza sia le preferenze dell’utente sia
una base di conoscenza organizzata in domini per migliorare la
rilevanza dei risultati di ricerca;
•
ontology-based: l’utente sceglie i concetti dall’ontologia e il
sistema restituisce le pagine che contengono quel concetto. Le
ontologie permettono di stabilire senza incertezza e necessità di
interpretazione il significato di un concetto.
Ecco una definizione formale di un modello di IR:
Definizione 1.2. Un modello di IR è una quadrupla [D , Q , F, R (qi , dj )] dove:
o
D è un insieme composto dalle rappresentazioni logiche dei
documenti nella collezione;
o
Q è un insieme composto dalle rappresentazioni logiche delle
necessità informative dell’utente. Queste rappresentazioni sono
chiamate queries;
o
F è un framework per rappresentare i documenti, le queries e le
loro relazioni;
o
R( qi , dj ) è una funzione di ranking che associa un numero reale
e una rappresentazione di un documento dj appartenente a D ad
una query qi appartenente a Q. Questo ranking definisce un
ordinamento tra i documenti in funzione della query qi .
In letteratura, vengono proposti tre modelli di IR [20]:
-
booleano
-
vettoriale
-
probabilistico
Università degli Studi di Napoli “Federico II”
31
Ficetola Francesco
Semantica Project
In realtà questi sono dei modelli classici che rientrano all’interno di una tassonomia
più ramificata dei modelli di retrieval, come mostra la seguente figura:
Figura 1.7: I modelli di Information Retrieval
Le due macrofamiglie sono costituite dai modelli matematici e dai
modelli cognitivi. I primi considerano la struttura hardware/software che accetta
come input una richiesta da un utente e restituisce un elenco di documenti, ad
ognuno dei quali viene assegnato un punteggio. Di solito, tali modelli si
concentrano sulle modalità di rappresentazione dei documenti e delle richieste e
definiscono una funzione di matching. Essi prelevano strumenti formali e risultati
dai più disparati campi, dall’algebra lineare al calcolo della probabilità, dalla
statistica alla logica.
Università degli Studi di Napoli “Federico II”
32
Ficetola Francesco
Semantica Project
I modelli cognitivi, invece, si concentrano sull’interazione con l’utente e
le tipologie dei suoi bisogni e comportamenti. Questi modelli sono specifici,
utilizzando strumenti della psicologia. L’utente viene visto come un sottosistema e
se ne studia l’interazione con gli altri sottosistemi del modello.
Nella categoria dei modelli matematici ricadono gli exact match models
e i partial match models. I primi prevedono che la richiesta venga soddisfatta
comparando la rappresentazione della query con quella dei documenti e
recuperando soltanto i documenti la cui rappresentazione soddisfi un matching
totale con la rappresentazione della query. I secondi prevedono che la richiesta
venga soddisfatta sempre eseguendo la comparazione fra le rappresentazioni di
queries e documenti, ma assegnando un punteggio, detto rank, ad ogni
documento, che tenga conto dell’aderenza della rappresentazione del documento
alla rappresentazione. Noi utilizzeremo questa seconda categoria di modelli.
Infine, i modelli ah hoc e fondati sono rispettivamente modelli che si basano su
intuizioni e non supportati da nessuna teoria matematica e modelli che si basano
su precise branche della matematica. Approfondiremo nei prossimi paragrafi solo i
modelli classici che ci servono per descrivere il nostro lavoro di tesi. Nella figura
seguente si mostrano i tre modelli con le rispettive estensioni che si sono
avvicendate nel corso della sperimentazione sui sistemi di IR, per chi fosse
interessato ad un loro approfondimento.
Figura 1.8: Estensioni dei modelli di Information Retrieval
Università degli Studi di Napoli “Federico II”
33
Ficetola Francesco
Semantica Project
1.9 I modelli booleano e vettoriale
I modelli classici considerano ogni documento come descritto da un insieme di
parole-chiave rappresentative dette anche termini indice. Un termine è
essenzialmente una parola la cui semantica aiuta a ricordare gli argomenti
principali di un documento. Dunque i termini sono utilizzati per indicizzare e
riassumere il contenuto di un documento. In generale, i termini sono
essenzialmente nomi, poiché in quanto tali hanno un significato preciso ed è quindi
più facile capire la loro semantica. Gli aggettivi, i verbi, gli avverbi e le congiunzioni
sono meno utili, in quanto hanno una funzione complementare.
Dato un documento, non tutti i termini sono ugualmente utili per descrivere il
contenuto, infatti, ve ne possono essere alcuni che possono essere più vaghi di
altri. Decidere sull’importanza di un termine non è un problema banale. Tuttavia,
esistono delle misure che è possibile legare ai termini: ad esempio, se in una data
collezione di documenti una parola appare in ognuno di essi, allora si deduce che
esso è completamente inutile come termine, perché non dice nulla su quale
documento l’utente può essere interessato. Dunque, termini distinti hanno una
varia rilevanza per descrivere la semantica del documento. Questo effetto viene
catturato attraverso l’assegnazione di pesi numerici ad ogni termine del
documento, che quantificano l’importanza del termine nel descrivere il contenuto
del documento.
Definizione 1.3. Sia t il numero dei termini indice in una collezione e
k i , un
generico termine indice, K =k 1 , ... , k t è l'insieme di tutti i termini indice. Un
peso
w i , j0 è associato ad ogni termine k j di un documento d j . Per ogni
termine k i
che non compare nel testo del documento d j , w i , j=0 . Al
documento
d j è associato un vettore d j=w 1, j , w2, j ... , w m , j .
Inoltre, sia
d j la funzione che restituisce il peso associato al termine k i in ogni
vettore m-dimensionale allora
g i d j=wi , j .
In generale, si assume (per semplicità) che i pesi dei termini siano mutuamente
indipendenti, ciò significa che il peso
Università degli Studi di Napoli “Federico II”
w i , j associato alla coppia
K i , d j non
34
Ficetola Francesco
Semantica Project
dà alcuna informazione riguardo al peso
w i1, j
associato alla coppia
K i 1 , d j .
Il modello booleano è stato il primo modello per l’information retrieval
utilizzato [21] e si basa sulla teoria degli insiemi e sull’algebra booleana. Tale
modello definisce insiemi di documenti e operazioni standard su di essi. Per definire
il modello bisogna decidere la modalità di rappresentazione dei documenti e delle
queries e la funzione di ranking.
Figura 1.9: Modello Booleano
Le queries e i documenti sono, infatti, intesi come vettori di booleani, ovvero con
termini indici la cui presenza è segnalata da un 1 e l’assenza da uno 0. Più
precisamente, una query q è composta dai termini indice collegati dai tre operatori
not, and e or e viene espressa come disgiunzione di vettori congiuntivi (Disjuntive
Normal Form – DNF):
Per esempio, la query
q=k a ∧k b ∨¬k c può essere scritta in DNF come
[ qdnf =1,1,1∧1,1 ,0∧1,0 ,0] dove ogni componente è un vettore
booleano di pesi binari associato alla tupla
Università degli Studi di Napoli “Federico II”
k a , k b , k c .
35
Ficetola Francesco
Semantica Project
Definizione 1.4. Per il Modello Booleano, le variabili dei pesi dei termini indice
sono tutti binari, cioè
w i , j∈{0,1} . Una query q è una convenzionale
espressione booleana. Sia
qdnf la DNF di una query q, e qcc ognuna delle sue
componenti. La similarità di un documento
{
simil d j , q= 1
0
Se
d j alla query q è definita come:
se ∃ qcc∣ qcc ∈ qdnf ∨∀ k i , g i d j =g i qcc
altrimenti
}
simil d j , q=1 allora il modello Booleano predice che il documento d j è
rilevante per la query q, altrimenti la predizione è che il documento non è
rilevante.
Dunque, data una query
q i , la funzione di matching recupera il
d j se e solo se
documento rappresentato da
qi
è conseguenza logica di
d j secondo la logica booleana. Tale modello è semplice e chiaro ma ha lo
svantaggio di avere un matching esatto in cui un documento è rilevante o non
rilevante, senza gradi parziali di rilevanza. Inoltre, non è semplice esprimere le
richieste di informazione.
Il modello vettoriale, d’altro canto, sopperisce alle carenze del modello
booleano, fornendo un framework che permette la corrispondenza parziale con la
query [22]. Esso appartiene alla categoria dei modelli a punteggio (Ranked Model)
e viene classificato tra i modelli di tipo statistico. Questo è reso possibile
assegnando ai termini indice dei pesi non binari, nei documenti e nelle queries, per
poter esprimere le occorrenze di un dato termine in un documento. Questi pesi
vengono poi utilizzati per calcolare il grado di somiglianza tra la query dell’utente
ed ogni documento memorizzato nel sistema.
Definizione 1.5. Nel modello Vettoriale, il peso
w i , j associato alla coppia
k i , d j è positivo e non binario. Inoltre, anche ai termini indice della query
w i , q il peso associato alla coppia [k i , q ] , dove
viene assegnato un peso. Sia
w i , q0 .
Il
vettore
della
Università degli Studi di Napoli “Federico II”
query
q
è
quindi
definito
come
36
Ficetola Francesco
Semantica Project
q =w 1,q , w 2,q ,... , w t , q , dove t è il numero totale dei termini indice nel
sistema.
Il vettore di un documento
Quindi, un documento
d j è rappresentato da
q =w 1, q , w 2, q ,... , w t , q .
d j e una query q sono rappresentati come un vettore di
dimensioni t . Si parla, dunque, anche di Vector Space Model, visto che ci si pone
dj
di valutare il grado di somiglianza tra il documento
correlazione tra i vettori
e la query q come
q .
d j e
Questa correlazione può essere quantificata, ad esempio, come il coseno
dell'angolo tra i due vettori:
t
d ⋅q
simil d j , q= j =
∣d j∣∣q∣
∑ wi , j wi ,q
i =1
∑ ∑
t
w
i=1
dove
d j e
t
2
i, j
w 2i , q
i=1
q sono il modulo del vettore del j-esimo documento e del vettore
relativo alla query. Poiché
w i , j0 e
w i , q0 il risultato di simil(q, d j )
assume un valore compreso tra 0 e 1. Così, invece di tentare di predire se un
documento è rilevante o no, il modello Vettoriale ordina i documenti secondo il loro
grado di somiglianza alla query.
I pesi dei termini indice possono essere calcolati in molti modi. L'idea alla
base delle tecniche più efficienti è legata al concetto di cluster, proposto da Salton.
Si pensi ai documenti come ad una collezione C di oggetti e alla query come una
vaga specificazione di un insieme A di oggetti. In questo scenario, il problema
dell'IR può essere allora ridotto a quello di determinare quali documenti sono
nell'insieme A e quali no; in particolare in un problema di clustering occorre
risolvere due sottoproblemi. Occorre determinare quali sono le caratteristiche che
descrivono al meglio gli oggetti dell'insieme A (si parla quindi di similarità intra-
cluster) e quali sono le caratteristiche che meglio distinguono gli oggetti
dell'insieme A dagli oggetti della collezione C (dissimilarità inter-cluster).
Università degli Studi di Napoli “Federico II”
37
Ficetola Francesco
Semantica Project
Nel modello Vettoriale, la similarità intra-cluster è quantificata misurando
la frequenza di un termine
ki
in un documento
d i ; questa viene detta
Fattore TF (Term Frequency) e misura quanto un termine descrive i contenuti del
documento. La dissimilarità inter-cluster è invece quantificata misurando l'inverso
della frequenza di un termine
ki
tra i documenti della collezione (Fattore IDF o
Inverse Document Frequency). La motivazione dell'uso del Fattore IDF è che i
termini che appaiono in molti documenti non sono molto utili a distinguere un
documento rilevante da uno che non lo è.
Definizione 1.6. Sia N il numero totale di documenti del sistema e
k i . Sia
dei documenti in cui compare il termine indice
del termine
k i nel documento
del termine
k i nel documento d j è data da
n i il numero
freq i , j la frequenza
d i . Allora la frequenza normalizzata
f i , j=
f i, j
freqi , j
max i freqi , j
dove il massimo è calcolato tra tutti i termini menzionati nel testo del documento
d j . Se il termine k i non compare nel documento d j allora
Inoltre, l' Inverse Document Frequency del termine
idf i=log
f i , j=0 .
k i è dato da
N
ni
Il più noto schema per determinare i pesi dei termini usano i pesi dati da
w i , j= f i , j ×idf i
o da una variante di questa formula. Questi sono detti schemi TF-IDF.
Sono state proposte alcune varianti alla espressione per i pesi
wi, j ,
tuttavia quella descritta prima rimane un buon schema per la determinazione dei
pesi per molte collezioni. Per il peso dei termini della query, Saltono propone la
formula
dove
w i , q−0.50.5× f i ,q ×idf i−0.5
0.5× freqi , q
N
×log
max i freqi ,q
ni
freq i , q indica la frequenza del termine
k i nel testo della richiesta
dell'informazione q .
Università degli Studi di Napoli “Federico II”
38
Ficetola Francesco
Semantica Project
I vantaggi del modello vettoriale sono diversi, in particolare l'uso dei pesi
migliora la performance del recupero dei documenti e consente il recupero dei
documenti che approssimano le condizioni della query. Inoltre, la formula di
ranking con il coseno ordina i documenti secondo il grado di somiglianza con la
query. Uno svantaggio, invece, del modello Vettoriale è dato dal fatto che i termini
indice sono sempre assunti mutuamente indipendenti.
Figura 1.10: Modello Vettoriale:
rappresentazione vettoriale dei documenti
rispetto ad una query (x:speech, y:language e z:processing)
Dunque, sintetizzando, nel modello vettoriale un documento viene
rappresentato come un vettore
d i=w i ,1 , wi ,2 ,... , w i , n
,
dove
wi, j
è un
valore numerico compreso tra [0,1] che può essere interpretato come la rilevanza
di
di
termine
nei confronti del termine t j , oppure come una misura di quanto il
tj
contribuisce alla rappresentazione del contenuto di
d i . Per
quanto riguarda le queries, anche esse vengono rappresentate come vettori.
Università degli Studi di Napoli “Federico II”
39
Ficetola Francesco
Semantica Project
Il fatto che i documenti vengano rappresentati come vettori comporta che la
similarità fra un documento e una richiesta può essere vista in termini di distanza
euclidea fra i vettori che li rappresentano: più vicini sono i vettori, più simili sono il
documento e la richiesta (similarità calcolata, ad esempio, come coseno tra i
vettori, come già visto nella formula di questo paragrafo).
La formula di ranking basata sul coseno ordina i documenti in base al
loro grado di similarità con la query. Il fatto che si debba presumere l’indipendenza
dei termini a due a due, comporta uno svantaggio pratico, in quanto nei documenti
reali ciò avviene raramente, in quanto spesso alcuni termini tendono a co-occorrere
più frequentemente di altri. In termini geometrici, evitare di basarsi su questa
ipotesi necessita di considerare gli assi cartesiani non più ortogonali: più dipendenti
fra di loro sono i due termini e più piccolo è l’angolo che separa gli assi cartesiani
corrispondenti ad essi. Si è provato, tuttavia, che tenere conto di queste
dipendenze è computazionalmente difficile e non porta a miglioramenti sostanziali.
Università degli Studi di Napoli “Federico II”
40
Ficetola Francesco
Università degli Studi di Napoli “Federico II”
Semantica Project
41
Ficetola Francesco
Semantica Project
Capitolo 2
Le tecnologie del Semantic Web
Nel
capitolo precedente abbiamo introdotto il concetto di ontologia,
proponendola come soluzione alla realizzazione del Web Semantico.
Partiremo dalla sua definizione e dalle tecniche e tecnologie che sono state
proposte per la sua applicazione. Ricordiamo una definizione esemplificativa del
Web Semantico, inteso come una estensione dell'attuale Web, in cui le risorse sono
corredate da descrizioni semantiche, scritte, cioè, secondo una determinata
ontologia che fornisce la semantica dei dati.
Da questa definizione possiamo subito capire come l'ontologia sia la chiave di volta
del Web Semantico, detto anche Web 3.0, per distinguerlo dal Web attuale che si
è "fermato" alla seconda generazione. Volendo utilizzare definizioni formali del
concetto di ontologia, possiamo dire che essa è intesa come "concettualizzazione
di una specificazione" (Gruber) [23] o come "teoria logico-formale per
l'espressione di un vocabolario condiviso" o ancora "concettualizzazione di un
dominio condiviso" [24].
Secondo un altro esperto del settore, Neches, l'ontologia "definisce i
termini base e le relazioni che includono il vocabolario di un'area e le regole per
combinare i termini e le relazioni allo scopo di definire estensioni al vocabolario".
Guarino, invece, la definisce come una "teoria logica che dà una giustificazione
esplicita e parziale di una concettualizzazione". Si crea così una "nuova visione del
Web", in cui l'ontologia rappresenta un accordo consensuale sulla definizione di
concetti e relazioni che caratterizzano la conoscenza del dominio stabilito,
Università degli Studi di Napoli “Federico II”
42
Ficetola Francesco
Semantica Project
garantendo la possibilità di applicare regole di inferenza (ragionamento) sia per
stabilire nuove asserzioni deducibili (nuova conoscenza sulla base di quella a
disposizione) sia per organizzare e recuperare in modo intelligente ed efficiente le
informazioni presenti sul web.
Noi proporremo una giustificazione all’approccio delle ontologie di dominio,
sviluppando un modello di ontologia che risolva il problema della interoperabilità
semantica. Sulla base di tale nuovo concetto, elaboreremo un modello di macchina
semantica, ossia un modello di macchina in grado di comunicare semanticamente
con altre macchine. Tale approccio verrà poi calato all’interno di uno scenario
pratico, che è quello del retrieval semantico di learning objects.
2.1 Il Semantic Web Stack
Molti credono che le tecnologie semantiche siano il salto epocale
tecnologico prossimo venturo. Ormai è storia. Tim Berners-Lee, tra il 1989 e il
1991, lavorando presso il CERN di Ginevra, creò il Web. Il Web, prima del suo
lavoro, semplicemente non esisteva. Nei quasi venti anni successivi si è evoluto,
arrivando alle nuove frontiere di oggi: Web 2.0, Social Networking, AJAX, mashup
di contenuti e browser …[25].
La figura seguente riporta la rappresentazione grafica della proposta
originale di Berners-Lee al CERN nel 1989 [26]: è possibile notare il diagramma
che espone concetti legati da relazioni di tipo “describes” o “includes”, o ancora
associazioni statiche “refers to” e metainformazioni semantiche delle relazioni e dei
contenuti. Le associazioni statiche, oltre al linguaggio ipertestuale, sono la parte
del web utilizzata ad oggi. E la parte semantica? Semplicemente, in questi anni,
non è (ancora) stata implementata. Questo non vuol dire però che sia stata
abbandonata: il lavoro svolto da Tim Berners-Lee e dal W3C (fondato dallo stesso
Berners-Lee nel 1994) è indirizzato, da sempre, verso questo obiettivo: XML,
WSDL, XML Schema, XPath, RDF, OWL, SPARQL sono tutte Recommendation
(standard) e/o Working Draft del W3C, sulla roadmap del Semantic Web. I motivi
alla base dell'avvio rallentato della parte semantica del Web sono più di carattere
tecnologico e pratico che di tipo concettuale o di design: la rete, intesa come
Università degli Studi di Napoli “Federico II”
43
Ficetola Francesco
Semantica Project
composizione di strutture hardware, di applicazioni software e di standard
condivisi, non era (e probabilmente non è ancora) completamente pronta a
supportare un'infrastruttura Web Semantica.
Figura 2.1: Proposta del Web di Tim Berners-Lee (1989)
Le strutture semantiche migliorano la condivisione e il trattamento delle
informazioni e grazie alle tecnologie del Web Semantico sarà possibile definire una
base cognitiva distribuita che va oltre il singolo dato, aggregando le fonti
informative in un’unica entità di conoscenza strutturata, interrogabile da agenti di
ricerca basati su criteri semantici.
Università degli Studi di Napoli “Federico II”
44
Ficetola Francesco
Semantica Project
Figura 2.2: L'evoluzione del Web
Obiettivo degli standard alla base del Semantic Web è creare una rete
spontaneamente
predisposta
alle
ricerche
semantiche.
L’approccio
è
completamente innovativo: la parola o anche l’immagine o il file multimediale
vengono contrassegnati con un “tag semantico” (definito con XML, OWL o RDF…),
definendo la struttura semantica delle informazioni.
Il Semantic Web va inteso come una struttura “a gradini”, in cui ogni livello è la
base per gli standard definiti ai livelli superiori.
Nel capitolo precedente abbiamo già visto lo stack delle tecnologie base
del Web Semantico. Nei prossimi descriviamo per sommi capi i singoli layer, per poi
soffermarci nei dettagli sui livelli che interessano il nostro progetto.
Università degli Studi di Napoli “Federico II”
45
Ficetola Francesco
Semantica Project
Figura 2.3: Struttura a “gradini” degli standard del Semantic Web
●
Resource Description Framework: RDF è uno standard XML del W3C per la
definizione di un modello di rappresentazione dei metadati, il cui compito è
promuovere l’interoperabilità tra applicazioni basata sullo scambio sul Web di
informazioni comprensibili dalle macchine (machine understandable) [27] . L’RDF
si basa su XML (XML, XML Schema e namespace), URI e Unicode. Di seguito si
riporta una breve descrizione di ciascuno di questi elementi.
●
Uniform Resource Identifier (URI) è una stringa che identifica univocamente
una risorsa generica. Tale risorsa può essere un indirizzo web, un documento,
un’immagine, un file, un servizio, un indirizzo di posta elettronica. Gli URL
(Uniform Resource Locator) sono un sottoinsieme degli URI. Mediante URL si
identificano risorse specifiche della rete, come ad esempio pagine web, immagini,
etc., facendo riferimento alla loro localizzazione e mettendo in evidenza la
modalità di accesso (il protocollo) [28].
●
L’Unicode è, invece, un sistema di codifica che assegna un numero (o meglio,
una combinazione di bit) a ogni carattere in maniera indipendente dal
programma, dalla piattaforma e dalla lingua (e dal suo sistema di scrittura) [29]
●
XML (eXtensible Markup Language) è un metalinguaggio che permette di definire
sintatticamente linguaggi di mark-up. Nato come linguaggio utile allo scambio dei
dati, permette di esplicitare la struttura, quindi la sintassi, di un documento in
modo formale mediante marcatori (mark-up) che vanno inclusi all’interno del
testo. Per definire la struttura di un documento XML, o più precisamente la
Università degli Studi di Napoli “Federico II”
46
Ficetola Francesco
Semantica Project
grammatica che tale documento deve rispettare, esistono linguaggi quali DTD e
XML Schema [30]. Entrambi sono strumenti per eseguire la validazione del
documento XML. XML si “limita” a descrivere dati senza entrare nel merito della
semantica contenuta. Un documento XML rispecchia la classica struttura ad
albero (gerarchica), all’interno del quale le informazioni sono correlate secondo
una relazione di subordinazione (classificazione). Nei documenti XML, i dati
riportati acquistano un loro significato dettato esclusivamente da un modello
gerarchico/classificatorio la cui interpretazione è a discrezione umana e non è
comprensibile dalla macchina, non essendo presente un esplicito formalismo di
definizione della classificazione.
Figura 2.4: Struttura ad albero di un documento XML
2.2 Resource Description Framework
Ad oggi, l’informazione utile, contenuta all’interno di una qualsiasi risorsa,
è strutturata in modo tale da essere machine-readable (ovvero leggibile da una
macchina), ma non machine-understandable (comprensibile da una macchina). La
mancanza di una caratterizzazione semantica, ossia sul significato deducibile, pone
infatti un limite nelle operazioni di elaborazione automatica delle informazioni sul
web.
Per colmare le lacune che impediscono alla macchina di interpretare l’informazione
possono essere utilizzati metadati, cioè descrizioni aggiuntive ai dati. Questa è
appunto la funzione di RDF, il quale introduce un formalismo per la
rappresentazione di metadati basato sul concetto di statement (asserzioni)
codificati in triple: soggetto-predicato-oggetto.
Università degli Studi di Napoli “Federico II”
47
Ficetola Francesco
Semantica Project
Figura 2.5: Le relazioni “semantiche” in un documento XML
In questo modo, RDF (che è una implementazione di XML) introduce
maggiore capacità espressiva permettendo di definire diverse tipologie di relazione
secondo un modello relazionale/predittivo. L’idea è quella di poter utilizzare la
struttura dati organizzata secondo un grafo orientato: sui nodi di questo grafo
sono poste le risorse (soggetto e oggetto dello statement), mentre gli archi del
grafo rappresentano le relazioni (predicato dello statement). È possibile così
aggiungere
connessioni
(relazioni)
tra
molteplici
risorse,
permettendone
l’estensione della conoscenza. Come si può vedere nel grafo precedente, tra i nodi
del grafo (orientato) sono definite delle relazioni (unidirezionali).
Il grafo è una generalizzazione dell’albero. Ogni nodo ha un numero arbitrario di
nodi “vicini” e può contenere cicli. In generale, può essere associata
un’informazione utile sia ai nodi che ai collegamenti (archi), specifica di RDF,
costituita da due componenti: RDF Model and Syntax e RDF Schema.
RDF Model and Syntax: definisce il data model RDF (modello dei dati), che
descrive le risorse e la sintassi XML utilizzata per specificare tale modello. Non
definisce alcun livello di gerarchia o di relazione. Il modello si basa su tre oggetti:
-
Resource (risorsa): indica ciò che viene descritto mediante RDF e
può essere una risorsa Web (ad esempio una pagina HTML, un
documento XML o parti di esso) o anche una risorsa esterna al Web
(ad esempio un libro, un quadro, ecc.). Una risorsa è qualunque
entità associabile ad un URI.
-
Property (proprietà / predicato): indica una proprietà, un attributo o
una relazione utilizzata per descrivere una risorsa. Il significato e le
Università degli Studi di Napoli “Federico II”
48
Ficetola Francesco
Semantica Project
caratteristiche di questa componente vengono definite tramite RDF
Schema.
-
Statement (asserzione o espressione): è l’elemento che descrive la
risorsa ed è costituito da un soggetto (che rappresenta la resource),
un predicato (che esprime la property) e da un oggetto (chiamato
value) che indica il valore della proprietà. La struttura di uno
statement (asserzione) RDF è composta da una tripla, ovvero da
soggetto-predicato-oggetto.
Figura 2.6: Statement RDF (tripla soggetto-predicato-oggetto)
RDF Statement: come già detto in RDF è definita una logica dei predicati, in cui
le informazioni sono esprimibili con asserzioni (statement) costituite da triple
formate da:
-
soggetto (ciò di cui si parla)
-
predicato (la proprietà, l’attributo, la caratteristica che si vuole
descrivere)
-
oggetto (il valore della proprietà)
Ad ogni tripla è associabile un grafo, dove ogni elemento è identificato da un URI.
Lo standard prevede anche una notazione grafica per le asserzioni RDF:
graficamente una risorsa viene rappresentata con un’ellisse, le proprietà vengono
rappresentate come archi etichettati e i valori corrispondenti a sequenze di
caratteri vengono rappresentati come rettangoli. Per approfondimenti ed esempi,
consultare [31].
Per quanto riguarda la rappresentazione fisica, un grafo RDF può essere
serializzato in diversi modi. Le principali serializzazioni adottabili per un grafo RDF
sono:
Università degli Studi di Napoli “Federico II”
49
Ficetola Francesco
Semantica Project
1. XML: serializzato in un file XML
2. N-TRIPLE: serializzato come insieme di triple soggetto-predicato-oggetto
3. N3 (Notation 3): si serializza il grafo descrivendo, una per volta, una
risorsa e tutte le sue proprietà (è la notazione utilizzata nel nostro
progetto, in fase di editing dei contenuti)
4. TURTLE: Terse RDF Triple Language, estensione di N-Triple.
Figura 2.7: Serializzazioni di un documento RDF
RDF Schema: il puro RDF serve unicamente per descrivere modelli di dati e può
esprimere semplici affermazioni con un soggetto, un predicato e un oggetto.
Tuttavia, quando si usa RDF per descrivere gli oggetti di un particolare dominio è
indispensabile tenere conto della natura del dominio. In pratica l’ambito interessato
va considerato in termini “reali”: le categorie (classi di oggetti appartenenti al
Università degli Studi di Napoli “Federico II”
50
Ficetola Francesco
Semantica Project
dominio), le relazioni possibili tra gli oggetti, le regole che governano queste
relazioni devono possedere certe caratteristiche per risultare “valide”.
RDF Schema permette di definire il significato e le caratteristiche delle proprietà e
delle relazioni che esistono tra queste e le risorse descritte nel data model RDF.
RDF Schema fornisce un insieme di risorse e proprietà predefinite. L’insieme delle
risorse e delle relative proprietà di base è detto vocabolario dell’RDF Schema.
Attraverso tale vocabolario base è possibile definire specifici vocabolari per i
metadati e creare relazioni tra oggetti.
I concetti messi a disposizione da RDF Schema sono quelli di:
- Classe e Sottoclasse; - Sottoproprietà; - Dominio e condominio di una proprietà;
- Commenti, etichette e informazioni addizionali (SeeAlso).
Attraverso uno Schema RDF è possibile assegnare un significato ai vari termini
utilizzati nelle asserzioni RDF; una risorsa può, per esempio, essere definita come
istanza di una classe (o di più classi) e le classi possono essere organizzate in
modo gerarchico, permettendo di derivare, per ereditarietà, nuova conoscenza.
Inoltre, fornisce un meccanismo di specializzazione delle proprietà, definendone i
vincoli di applicabilità e organizzandole gerarchicamente. In questo modo è
possibile aggiungere connessioni (relazioni) tra molteplici risorse permettendone di
fatto l’estensione del significato (semantica).
I principali costrutti sono <rdfs:Class>, <rdfs:subclassOf>, <rdfs:domain>,
<rdfs:range>, <rdfs:subPropertyof> che consentono di organizzare in tassonomie
le classi e le relazioni (Properties) del dominio a seconda della loro generalità.
Figura 2.8: Costrutti del linguaggio RDF
Università degli Studi di Napoli “Federico II”
51
Ficetola Francesco
Semantica Project
RDF Schema arricchisce RDF attraverso un semplice sistema di tipi.
Volendo fare "un'analogia didattica" tra RDFS e la programmazione object oriented
(OOP), si può dire: nell'OO si definiscono le classi che rappresentano una
descrizione di una categoria di oggetti, individuati da comportamenti e
caratteristiche simili, i relativi comportamenti vengono definiti "metodi" mentre le
caratteristiche sono delle "proprietà". Le classi possono essere estese per
ereditarne dati e comportamenti (relazione IS-A) e gli oggetti sono istanze di classi.
RDFS prevede anch'esso la creazione di classi e l'ereditarietà, ma non prevede la
definizione di metodi, visto che è orientato alla modellazione dei dati e non al
comportamento di questi ultimi. Più che contenitori, le classi RDFS sono dei
descrittori (concetti o proprietà) in relazione semantica tra di loro.
SPARQL: SPARQL è una specifica sviluppata dal W3C RDF Data Access Working
Group a supporto dell’interrogazione dei documenti RDF. Infatti, per utilizzare le
basi di conoscenza formalizzate secondo questi standard RDF è necessario un
linguaggio
per
interrogarle.
Esistono
diversi
linguaggi
di
interrogazione
funzionalmente equivalenti: SPARQL, RDQL, ARQ, ecc. [32]
In questo lavoro è stato utilizzato il linguaggio di interrogazione SPARQL, che
permette di costruire informazioni su triple e applicarle al modello dei dati.
Interrogare un documento RDF significa quindi selezionare una risorsa in funzione
del verificarsi di opportune proprietà su essa (viene rimarcata l’analogia con il data
model relazionale).
Le queries SPARQL adottano la sintassi TURTLE e si basano sul meccanismo di
pattern matching e in particolare su un costrutto, il “triple pattern” [35], che
ricalca la configurazione a triple delle asserzioni RDF fornendo un modello flessibile
per la ricerca di corrispondenze.
?soggetto
predicato
?oggetto
Le variabili rappresentano le incognite dell’interrogazione, mentre il predicato è
una costante. Data una base dati RDF, le triple (statement), che trovano riscontro
nel modello definito da triple pattern, assoceranno i propri termini alle variabili
corrispondenti.
Università degli Studi di Napoli “Federico II”
52
Ficetola Francesco
Semantica Project
Definito il modello su cui le queries SPARQL si basano, diamo un'occhiata veloce
alla sintassi delle queries:
SELECT <elenco variabili da valorizzare>
FROM <risorsa contenente asserzioni>
WHERE {<elenco triple pattern>. }
Come si nota, vi è un'analogia con SQL: nella clausola SELECT vengono elencate le
variabili da valorizzare ai fini del risultato, nella clausola FROM viene definita la
base dati, documento RDF, su cui eseguire la query, nella clausola WHERE
vengono elencati, tra parentesi graffe, i criteri di selezione, ovvero i triple pattern.
Un esempio di query SPARQL sull'asserzione precedente potrebbe essere:
SELECT ?nome
WHERE ?nome ha indirizzo e-mail ?e-mail
Da notare che la variabile da valorizzare (?nome nella clausola SELECT) deve
comparire anche come incognita di interrogazione (?nome clausola WHERE); in
caso contrario SPARQL non sarebbe in grado di valorizzarla.
In questo lavoro è stato utilizzato un utilissimo framework che va sotto il
nome di JENA. Questo framework open-source, sviluppato dal Semantic Web
Research Bristol Lab della HP, fornisce le API per la creazione, interrogazione e
gestione in modo programmatico di RDF. Si rimanda al sito ufficiale per
approfondimenti [33] e all’appendice e al paragrafo di questa tesi per dettagli sulle
ontologie persistenti. Per approfondimenti sul linguaggio SPARQL si veda [34].
2.3 Una rete semantica di concetti di un dominio: l’ontologia
Abbiamo già introdotto il concetto di ontologia, ma vogliamo presentare
una bellissima definizione, che ci fa capire la sua “utilità” : una ontologia è come
una rete semantica di concetti appartenenti ad un dominio legati tra loro da
relazioni di vario tipo: tassonomico (IS-A), metonimico (PART-OF), telico
(PURPOSE-OF) ecc. [24].
Università degli Studi di Napoli “Federico II”
53
Ficetola Francesco
Semantica Project
Definizione 2.1. Formalmente una ontologia può essere definita come una tripla
O = {C, R, A}, dove C = insieme di concetti del dominio di interesse, R = insieme
di relazioni tra i concetti appartenenti a C ed A = insieme di assiomi (se A è vuoto,
l’ontologia è detta non assiomatizzata).
Gli insiemi C ed R individuano un grafo G = {(V, E)}, tale che: V ≡ C, ed E = {(c1,
c2) ε C x C }. Una ontologia può presentare vari livelli di formalizzazione, ma deve
necessariamente includere un vocabolario di termini (concept names) con
associate definizioni (assiomi) e relazioni tassonomiche. Essa è una sorta di “stadio
preliminare” di una “base di conoscenza”, il cui obiettivo è la descrizione dei
concetti necessari a “parlare” di un certo dominio.
Una base di conoscenza include la conoscenza necessaria a modellare ed elaborare
un problema, a derivare nuova conoscenza, a provare teoremi, a rispondere a
domande concernenti un certo dominio. La presenza di ontologie e la capacità di
ragionare sulla conoscenza che esse ci permettono di rappresentare, consentono di
emulare la logica umana basata sulla cognizione di causa in una determinata
realtà.
Figura 2.9: La “castagna” ontologica
La precedente figura mostra quella che in gergo è detta “ castagna ontologica”. Si
vede subito l’organizzazione a livelli delle ontologie:
-
Upper Domain Ontology: qui si collocano i concetti generali
comuni a più domini applicativi, concetti dunque astratti, di livello
Università degli Studi di Napoli “Federico II”
54
Ficetola Francesco
Semantica Project
filosofico.
-
Application Ontology: qui si collocano concetti specifici ma non
elementari delle singole applicazioni che caratterizzano uno specifico
dominio.
-
Lower Domain Ontology: qui si collocano i concetti elementari che
non possono essere ulteriormente rifiniti o decomposti.
Secondo tale suddivisione possiamo dire che il livello Upper Domain
Ontologies è l’anello di congiunzione delle varie ontologie del livello Application
Ontologies, essendo queste una specializzazione dell’Upper Domain Ontologies.
Una ontologia, quindi, si pone l’obiettivo di modellare un dominio di interesse,
definendone lo schema concettuale. Questa non è però sufficiente a descrivere in
modo esaustivo la conoscenza di dominio, ed è dunque necessario aggiungere altri
componenti. Per arrivare ad avere una Knowledge Base completa, ovvero la
completa base di conoscenza che rappresenta fedelmente ed esaurientemente un
determinato dominio di interesse, dobbiamo aggiungere un insieme di dati e un
insieme di regole.
Definizione 2.2. Possiamo definire una Knowledge Base (KB) l’insieme costituito
da:
-
un’ontologia: schema concettuale del dominio in questione, in cui si
definiscono degli assiomi sui concetti da rappresentare;
-
un insieme di fatti, ovvero di istanze dei concetti definiti
nell’ontologia;
-
regole: insieme di regole sul quale inferire nuova conoscenza,
ovvero sul quale ragionare per aggiungere nuovi fatti.
Per dettagli relativi agli approcci alla progettazione di una ontologia si veda [37] e
[24].
Università degli Studi di Napoli “Federico II”
55
Ficetola Francesco
Semantica Project
2.4 Applicazioni e problemi legati all’approccio ontologico
Sempre in [24] vengono citati degli esempi di applicazione delle ontologie:
qui a noi interessa particolarmente l’utilizzo delle ontologie per l’annotazione
semantica di collezioni multimediali e di oggetti non necessariamente testuali. La
semantica di tali oggetti, infatti, è difficilmente estraibile dalle macchine.
Le ontologie multimediali possono essere di due tipi:
-
media-specific: presentano tassonomie per i diversi media type e
descrivono le proprietà dei diversi media. Ad esempio, il video può
includere proprietà che identifichino la durata del clip e degli
intervalli;
-
content-specific: descrivono il tema della risorsa, ovvero il suo
contenuto.
Essendo queste ontologie non dipendenti dal formato della risorsa che si intende
descrivere, possono essere riutilizzate per la descrizione di qualsiasi oggetto
digitale (html, pdf, word, jpg, gif, ecc.), il cui contenuto informativo sia coerente
con il dominio in questione. Qualora, invece, sia necessario far riferimento ad uno
specifico media-type, è possibile combinare le due ontologie media-specific e
content-specific.
Figura 2.10: Le ontologie media-specific e content-specific
Università degli Studi di Napoli “Federico II”
56
Ficetola Francesco
Semantica Project
Altro esempio di applicazione è quello delle piattaforme e-learning: le
ontologie e il Web Semantico sono oggi un mezzo molto importante anche per il
supporto a tali piattaforme. Un’azienda che voglia realizzare una tale piattaforma
non può prescindere da un’organizzazione ottimale ed efficiente dei corsi proposti
e del materiale didattico ed integrativo proposto ai learner. Una o più ontologie
fornirebbero la giusta terminologia per l’organizzazione di tutto il materiale e di
tutte le attività formative proposte.
Inoltre, attraverso le ontologie è oggi possibile creare piattaforme e-learning che
mettono a disposizione dei learner percorsi formativi personalizzati, sulla base della
conoscenza pregressa dello studente e degli obiettivi che si pone il corso stesso.
Ma il Semantic Web (che ora possiamo intendere il Web esteso attraverso
l’uso di ontologie [41]) è solo una delle possibili applicazioni delle ontologie.
Esistono numerosi altri campi di utilizzo tra cui: knowledge management, data
integration, content management, e-commerce, information filtering, problem
solving, ecc.
Ogni volta che occorre condividere informazioni – indipendentemente dalle
tecnologie utilizzate, dall’architettura delle informazioni e dal dominio di
applicazione – è possibile (e spesso conveniente) ricorrere alle ontologie. Lo hanno
già capito alcune aziende (Mondeca, Ontoprise, TopQuadrant, ecc.) che hanno
fatto della realizzazione di soluzioni ontology-based il loro core business.
Tuttavia, i problemi che le ontologie comportano sono notevoli: infatti, l’approccio
ontologico sottende la possibilità di rappresentare in maniera oggettiva la
conoscenza, considerando la conoscenza stessa un’astrazione superindividuale,
come sistema di idee intersoggettive che si evolve nella comunità.
Inoltre, vi è il problema della costruzione delle ontologie: infatti, due individui
diversi verosimilmente produrranno due concettualizzazioni diverse di uno stesso
dominio. Questi problemi scoraggiano la creazione di grandi ontologie universali
(ontologia di alto livello) e fanno propendere verso la creazione di ontologie di
dominio. Anche con l’adozione di ontologie di dominio permangono dei problemi:
resta, infatti, il problema che due applicazioni per poter comunicare devono
utilizzare la stessa ontologia di dominio, oppure devono esistere dei meccanismi di
mapping fra ontologie in grado di far corrispondere l’ontologia di un’applicazione
all’ontologia di un’altra. Questo ramo della ricerca è però ancora lontano da una
soluzione utile [36].
Università degli Studi di Napoli “Federico II”
57
Ficetola Francesco
Semantica Project
2.5 Ontologie vs Database: schema concettuale vs dati
Seppur
molto
evidente
per
gli
esperti
di
rappresentazione
della
conoscenza, la differenza tra Ontologie e Database, risulta essere non sempre
molto chiara. Molti, infatti, potrebbero obiettare che entrambi servano ad
immagazzinare dati e che l’utilizzo di ontologie nella gestione di grosse quantità di
dati non porti nessun valore aggiuntivo rispetto all’utilizzo di un comune database.
Per comprendere a fondo la differenza tra l’utilizzo di un’ ontologia e di un
database, è necessario comprendere che utilizzare un'ontologia significa adottare
un approccio orientato allo schema concettuale, che descrive il dominio in cui ci
muoviamo, mentre utilizzare un Database Relazionale, significa affrontare il
problema con un approccio orientato ai dati.
Si potrebbe obiettare che anche un database relazionale ha un proprio
schema concettuale per descrivere la realtà in cui ci troviamo, ma il potere
espressivo dei linguaggi utilizzati per definire i due schemi concettuali (ontologia e
database relazionale) è ben diverso, di conseguenza le informazioni che questi ci
offrono sono enormemente differenti.
Un’ontologia, infatti, è molto più ricca di informazioni rispetto ad un semplice
schema concettuale di un database. Inoltre, uno schema concettuale di un
database ha lo scopo unico di descrivere le entità (i dati) - che andremo ad
immagazzinare -, mentre un’ontologia ha lo scopo di descrivere i concetti.
Figura 2.11: Ontologie vs. Database
Università degli Studi di Napoli “Federico II”
58
Ficetola Francesco
Semantica Project
Dunque, mentre le entità di uno schema concettuale di un DB sono
descritte solamente attraverso una lista di attributi e di relazioni, i concetti di
un’ontologia presentano una descrizione molto più ricca.
Infatti, OWL, Ontology Web Language (come vedremo), ci mette a disposizione
una serie di costrutti appartenenti alle logiche descrittive e, dunque, ci consente di
andare ben oltre il semplice elenco di attributi. La descrizione di un concetto,
infatti, avviene mediante la composizione ricorsiva di costrutti logici che ci
permettono di definire un concetto come l’intersezione, l’unione, il complemento,
la disgiunzione o l’enumerazione di più concetti. Le relazioni tra i concetti, possono
essere definite come relazioni funzionali (invertibili e non) e/o come relazioni
transitive e/o simmetriche.
Infine, possiamo anche definire una serie di restrizioni sui singoli attributi di un
concetto. Tutto ciò rende chiaro che il potere espressivo di un linguaggio come
OWL sia di gran lunga maggiore di quello di un linguaggio SQL Like e che lo
schema concettuale di un DB porti con se un minor numero di informazioni rispetto
ad un’ontologia.
A questo punto ci si potrebbe chiedere a cosa serve avere un potere
espressivo così alto se un DB relazionale è in grado farci immagazzinare prima e
recuperare dopo le informazioni che vogliamo trattare. Un potere espressivo più
alto corrisponde ad una migliore organizzazione dei contenuti e, quindi, ad una
migliore fruibilità degli stessi. I contenuti che immagazziniamo sono, infatti,
catalogati secondo lo schema concettuale in uso. La fruibilità dei contenuti stessi
dipende ovviamente dal tipo di catalogazione. Dunque più lo schema concettuale
che utilizziamo per catalogare i nostri contenuti è elevato, più la catalogazione che
possiamo fare è efficiente.
Una catalogazione fatta attraverso un semplice DB relazionale, pur se ben
progettata, rispecchia in termini di efficienza la poca ricchezza di informazioni che
porta con se lo schema concettuale del DB. La catalogazione fatta attraverso uno
schema concettuale ricco come quello di un’ontologia ci consente di sfruttare in
fase di recupero delle risorse catalogate la ricchezza delle informazioni che
l’ontologia stessa ci offre, di conseguenza la fase di recupero delle risorse
catalogate risulta essere più efficiente.
Università degli Studi di Napoli “Federico II”
59
Ficetola Francesco
Semantica Project
Un database relazionale, infatti, è accessibile attraverso query SQL like,
ovvero espressioni logiche piuttosto semplici, in grado di farci recuperare solo ciò
che abbiamo realmente e fisicamente immagazzinato.
L’accesso ad un’ontologia, invece, può essere eseguito utilizzando dei reasoner,
ossia dei software capaci di ragionare (per una lista dettagliata di tool e software
per l’utilizzo delle ontologie si veda [38]). Attraverso il ragionamento artificiale di
questi reasoner siamo dunque in grado di effettuare ricerche molto più complesse
ed efficienti - la complessità delle ricerche dipende, come detto in precedenza,
dalla complessità dello schema concettuale in uso e quindi dall’ontologia -.
Un reasoner, in effetti, è in grado di inferire conoscenza, di apprendere, cioè,
nuova conoscenza sfruttando lo schema concettuale in uso (ontologia) e i fatti
conosciuti al momento della ricerca.
Un reasoner è quindi in grado di “emulare” il ragionamento umano, andando a
recuperare quelle informazioni non esplicitamente espresse, ma comunque
presenti in modo implicito.
Ad esempio, affermiamo che:
1. Mario è padre di Giuseppe;
2. Giuseppe è fratello di Andrea;
3. Bruno è zio di Andrea.
Attraverso l’interrogazione di un semplice DB relazionale non potremmo sapere che
Bruno è anche lo zio di Giuseppe. Un reasoner invece, attraverso un processo
inferenziale, è in grado di darci questa informazione, che pur se non espressa in
modo esplicito, è vera e presente nel nostro dominio.
Dunque, in un contesto in cui è necessario immagazzinare e catalogare
una grande quantità di informazioni, un approccio ai dati (DB relazionale) risulta
essere alla lunga meno efficiente di un approccio concettuale (ontologia), con
ovvia conseguenza di una peggiore fruibilità dei contenuti, a discapito degli utenti
che impegnano il loro tempo e le loro energie per raggiungere risultati non sempre
efficienti.
Università degli Studi di Napoli “Federico II”
60
Ficetola Francesco
Semantica Project
Figura 2.12: L'approccio ontologico: una rete di concetti
2.6 Ontology Web Language (OWL)
Riprendendo la descrizione dei layers dello stack protocollare del Semantic
Web, passiamo ora ad esaminare un’altra tecnologia fondamentale per l’utilizzo
delle ontologie, ovvero l' OWL (Ontology Web Language).
Riassumendo in poche parole le informazioni di cui si è parlato nei paragrafi
precedenti, il web semantico si propone di dare un "senso", aggiungere
"significato" alle pagine web e ai collegamenti ipertestuali, dando la possibilità di
cercare
in
modo
diverso
rispetto
alle
tradizionali
ricerche
testuali.
Tutto questo non in virtù di sistemi di intelligenza artificiale, reti neurali o
ragionamenti sull'etimologia delle parole, ma "semplicemente" grazie all'uso di un
sistema di marcatura dei documenti, all'adozione di un linguaggio gestibile da
applicazioni e tramite l'introduzione di vocabolari specifici, creando insiemi di frasi
Università degli Studi di Napoli “Federico II”
61
Ficetola Francesco
Semantica Project
sulle quali poter definire relazioni fra elementi marcati.
Il web semantico per funzionare deve disporre di informazioni strutturate e di
regole di deduzione, in modo da risalire alle informazioni richieste da una
interrogazione.
La base di conoscenza del Semantic Web viene espressa tramite RDF,
che consente di esprimere delle triple nella forma di soggetto, predicato e oggetto.
Nonostante RDF sia processabile da un programma, esso serve unicamente per
descrivere modelli di dati. Tuttavia, quando si usa RDF per descrivere gli oggetti di
un particolare dominio è indispensabile tenere conto della natura di tale dominio,
in termini di categorie o classi di oggetti, di relazioni possibili tra gli oggetti e di
regole cui queste relazioni devono sottostare per essere "valide". A questo
"insieme di meta-informazioni valide per un dominio di interesse", ci si riferisce
solitamente col nome di "ontologia".
Avendo a disposizione un'ontologia è possibile scrivere un ragionatore (un
programma in grado di applicare regole) che partendo da una base di conoscenza
definita su questa ontologia tragga delle conclusioni, o meglio, sia in grado di
inferire [39].
Un reasoner molto utilizzato per la verifica della consistenza di una ontologia - e
non solo per fare inferenze - è il software Racer dell’Università di Amburgo [42].
Partendo da una ontologia di riferimento e da un modello di dati espresso in OWL,
un agente software “intelligente” può usufruire di queste meta-informazioni per
fare semplici ragionamenti sui dati: se Tizio è il miglior amico di Caio allora Tizio
conosce Caio.
Questo processo chiamato reasoning è uno dei principi cardine del Semantic
Web, in quanto consente di inferire nuova conoscenza ricavando affermazioni che
non erano specificate esplicitamente nei dati iniziali; tante più sono le
caratteristiche o vincoli strutturali del dominio espresse con linguaggio ontologico,
tanto più potente potrà essere il ragionamento applicabile ai dati iniziali.
Università degli Studi di Napoli “Federico II”
62
Ficetola Francesco
Semantica Project
Figura 2.13: I livelli “semantici” del Semantic Web Stack
RDFS di per sé non è sufficiente a descrivere tali informazioni in modo da
permettere ad un agente di effettuare ragionamenti complessi in completa
autonomia; si limita a definire le relazioni di ereditarietà, il concetto di risorsa, di
proprietà, di tipo, di collezione e poco altro e non riesce a descrivere
completamente le relazioni che intercorrono tra le risorse.
Una ontologia, come già detto, rappresenta la concettualizzazione di un dominio,
ossia una descrizione formale di un insieme di concetti e delle relazioni che
intercorrono tra essi. OWL permette proprio questo.
Ontologia nell’ambito filosofico si riferisce allo studio dell’esistenza. La teoria
dell’esistenza si occupa di dare risposte a domande del tipo: Che cos’è l’esistenza?
Quali proprietà possono spiegarla? Come queste proprietà la spiegano? [41]
In Informatica - o meglio nell’Intelligenza Artificiale - l’ontologia è la descrizione
dei concetti e delle relazioni esistenti comprensibili da una macchina, che permette
la classificazione e il ragionamento induttivo. OWL permette di rappresentare una
ontologia e quindi la descrizione di una specifica concettualizzazione.
Il Web Ontology Language è un linguaggio di markup per rappresentare
esplicitamente significato e semantica dei termini con vocabolari e relazioni tra i
termini. Tale rappresentazione dei termini e delle relative relazioni è chiamata
ontologia appunto. L’obiettivo è permettere ad applicazioni software di elaborare il
contenuto delle informazioni dei documenti scritti in OWL - uno standard W3C che
fa parte del W3C Semantic Web Framework [40].
Università degli Studi di Napoli “Federico II”
63
Ficetola Francesco
Semantica Project
Legato alle basi di conoscenza e alle ontologie troviamo il concetto di inferenza,
con il quale si vuole indicare il meccanismo di deduzione di nuove informazioni da
una base di conoscenza. Inferire X significa concludere che X è vero; un'inferenza
è la conclusione tratta da un insieme di fatti o circostanze.
Il linguaggio OWL parte dai concetti base di RDFS e li estende introducendo
costrutti per la definizione delle relazioni tra le classi e delle relative cardinalità.
OWL è rilasciato in tre diverse versioni, con complessità e potere espressivo
crescenti secondo un sistema a "scatole cinesi": OWL-Lite, OWL-DL e OWL-Full.
Figura 2.14: OWL-Lite, OWL-DL e OWL-Full
Le tre versioni di OWL hanno complessità e potere espressivo crescenti.
OWL-Lite è la versione sintatticamente più semplice, attraverso cui è possibile
definire gerarchie di classi e vincoli poco complessi.
OWL-DL è la versione intermedia; offre un potere espressivo più elevato e
mantiene la completezza computazionale (tutte le conclusioni sono computabili) e
la decidibilità (tutte le computazioni si concludono in un tempo finito).
OWL-Full offre la massima espressività, senza offrire alcuna garanzia circa la
completezza e decidibilità.
Ogni versione del linguaggio include ed estende la precedente. In altre parole,
un’ontologia OWL-Lite è sempre valida anche in OWL-DL (ma non il contrario);
un’ontologia OWL-DL è sempre valida anche in OWL-Full (ma non il contrario).
Università degli Studi di Napoli “Federico II”
64
Ficetola Francesco
Semantica Project
Per approfondimenti sui concetti fondamentali del linguaggio OWL (classi,
proprietà, gerarchie di classi, domini e range, tipologie di proprietà, individui,
restrizioni, etc.) fare riferimento al reference W3C [40] o alla dispensa [39], in cui si
illustra il funzionamento dell’editor open source Protègè per la definizione di
ontologie OWL, che è quello utilizzato in questo lavoro di tesi. (Protègè,
http://protege.stanford.edu/ ).
2.7 Le ontologie CUONTO e DOMONTO
I componenti principali di una ontologia OWL sono tre:
●
individui, che rappresentano gli oggetti del dominio di interesse;
●
proprietà, ovvero relazioni binarie (che collegano due oggetti per volta) tra
individui;
●
classi, ossia i gruppi di individui.
Le classi OWL possono essere organizzate in gerarchie di superclassi e sottoclassi
dette tassonomie e sono tutte derivate dalla superclasse owl: Thing. Le proprietà
sono, come già detto, relazioni binarie tra individui e OWL ne ammette due
tipologie principali:
-
le proprietà object, che collegano individui ad individui;
-
le proprietà datatype, che collegano individui a valori di tipi
ammissibili per XML e/o RDF.
Altro concetto importante è quello di dominio : un dominio di una proprietà è la
classe (o l’insieme di classi) i cui individui appartenenti possono essere valori della
proprietà. In altre parole, una proprietà collega individui appartenenti ad un
dominio ad individui appartenenti ad un range. Le prosperità OWL possono avere
diverse caratteristiche, tra cui la transitività, la simmetria e la funzionalità. È
possibile dichiarare, inoltre, che alcune proprietà sono inverse rispetto ad altre. Per
ulteriori dettagli, fare riferimento a [41].
In questo lavoro si prescinde dalla progettazione di una ontologia, ma
possiamo citare i passi fondamentali per la sua modellazione [62]:
✔
determinazione dell’ambito dell’ontologia
✔
considerazione della possibilità di riuso dell’ontologia esistente
Università degli Studi di Napoli “Federico II”
65
Ficetola Francesco
Semantica Project
✔
enumerazione dei termini importanti nell’ontologia
✔
definizione di classi e gerarchie di classi
✔
definizione delle proprietà delle classi
✔
creazione delle istanze
Di seguito mostriamo alcuni screenshot tratte dell’ambiente Protègè delle due
ontologie utilizzate nel nostro progetto (che descriveremo nel capitolo seguente):
CUONTO e DOMONTO (classi e sottoclassi, object property e datatype property).
Inoltre, riportiamo i diagrammi delle classi principali delle ontologie citate,
esportate grazie ad Altova SemanticWorks [42].
Figura 2.15: L'ontologia didattica CUONTO (classi e proprietà)
Università degli Studi di Napoli “Federico II”
66
Ficetola Francesco
Semantica Project
Figura 2.16: L'ontologia di dominio DOMONTO (classi e proprietà)
Università degli Studi di Napoli “Federico II”
67
Ficetola Francesco
Semantica Project
Figura 2.17: Ontologia CUONTO: proprietà delle content units
Università degli Studi di Napoli “Federico II”
68
Ficetola Francesco
Semantica Project
Figura 2.18: Ontologia DOMONTO: le classi Concept e Learning Object
Università degli Studi di Napoli “Federico II”
69
Ficetola Francesco
Semantica Project
Figura 2.19: Ontologia DOMONTO: Classe ConceptScheme
2.8 Le ontologie persistenti e JENA
In Semantica Project, abbiamo utilizzato un framework opensource per
la realizzazione di una applicazione Java che fosse ontology-based. Tale framework
è JENA [44], sviluppato dal Semantic Web Research Group di HP Labs.
Inizialmente nacque per realizzare applicazioni che supportassero RDF e RDFS, ma
poi venne esteso ai linguaggi per le ontologie tra cui OWL e DAML+OIL.
Non volendo entrare nei dettagli, enunciamo qui solo alcune caratteristiche
importanti di JENA. Pur supportando diversi linguaggi per l’espressione di
ontologie, JENA offre un’unica API neutrale rispetto al linguaggio. Ciò consente di
operare sulle ontologie senza preoccuparsi del linguaggio attraverso il quale
l’ontologia stessa verrà serializzata. Tutte le ontologie vengono gestite in JENA
attraverso l’interfaccia OntModel (implementata dalla classe OntModelImpl). Per
creare una nuova ontologia è necessario invocare il metodo createOntologyModel
Università degli Studi di Napoli “Federico II”
70
Ficetola Francesco
Semantica Project
della factory ModelFactory. Il linguaggio ontologico da utilizzare è specificato
attraverso l’URI o con costanti, come mostra la tabella seguente:
Dopo aver creato l’ontologia è necessario definire il default namespace: una
stringa di caratteri che verrà utilizzata come prefisso standard per tutte le classi, le
proprietà e gli individui definiti all’interno di un’ontologia. Ciò consente di
mantenere diverse ontologie grazie a namespace diversi. Per dettagli relativi al
popolamento di una ontologia con classi, proprietà ed individui, far riferimento
all’ottima dispensa di Nicola Capuano, dell’Università degli Studi di Salerno [41].
Uno strumento molto potente offerto da JENA e che è stato utilizzato nel
nostro progetto è quello delle ontologie persistenti. Tali ontologie, pur
mantenendo le stesse funzionalità delle ontologie “normali”, non hanno bisogno di
essere serializzate e deserializzate in file XML, essendo esse legate ad un database
esterno che mantiene tutti gli statement RDF di cui l’ontologia è composta. Ciò
consente di lavorare, mantenendo performances elevate, anche con ontologie di
grosse dimensioni. Quando poi si rende necessaria la distribuzione di un’ontologia
persistente all’esterno, è sempre possibile esportarne una copia in formato XML.
Maggiori dettagli sulle ontologie persistenti in JENA sono forniti in [45] attraverso
un esempio di utilizzo e in [46] attraverso la descrizione di un modello che utilizza
ontologie persistenti (model-driven ontology).
Università degli Studi di Napoli “Federico II”
71
Ficetola Francesco
Università degli Studi di Napoli “Federico II”
Semantica Project
72
Ficetola Francesco
Semantica Project
Capitolo 3
Semantica Project - una soluzione ontologica
Tutte le soluzioni e le tecnologie citate nei capitoli precedenti e utili per la
realizzazione (si spera) del Semantic Web, possono essere utilizzate in architetture
legate a domini ben definiti e sicuramente più ristretti del Web. È possibile, cioè,
mettere a servizio di comunità ristrette di utenti, ottenendo scopi ben precisi, gli
schemi semantici visti e farli operare in campi e domini ben delimitati, dove i
problemi legati alle ontologie potrebbero essere meno accentuati. Si otterrebbe
una sorta di universalità in quel dominio applicativo, dove gli utenti potrebbero
“essere d’accordo” sui concetti e sulle relazioni che li collegano.
Il nostro campo applicativo è costituito dall’e-learning. Vorrei citare due
grandi applicazioni sviluppate secondo una struttura ontologica: Edutella Project
[48] e Merlot [49]. Il progetto Edutella è nato a partire dal 2002 e ha realizzato la
prima rete P2P i cui contenuti sono stati catalogati tramite metadati espressi in
linguaggio RDF. Questo progetto open-source è nato principalmente per lo scambio
di materiale didattico per corsi di e-learning, ma potenzialmente potrebbe
diventare la più vasta rete di “costruzione collaborativa della conoscenza” mai
esistita. Il suo nome è sicuramente ispirato a Gnutella, storica rete P2P, ma la
grande differenza si fonda sulla tecnologia utilizzata.
Tramite l’uso dei metadati e di una fitta rete di ontologie, ogni risorsa potrà essere
classificata in maniera chiara e strutturale. Edutella permetterà all’utente di
accedere il modo rapido ed intuitivo al materiale didattico, costruendosi
automaticamente un proprio percorso di studio ottimale [50].
Università degli Studi di Napoli “Federico II”
73
Ficetola Francesco
Semantica Project
MERLOT offre un “repository” su web di learning objects (LOR, Learning Objects
Repository.
In questo campo organizzare una piattaforma secondo strutture ontologiche
diventa estremamente produttivo. Un corso di informatica può contenere, ad
esempio, una parte relativa alla programmazione di base che può essere ripresa e
poi ampliata in un corso di calcolatori elettronici. Se i vari materiali didattici sono
organizzati in unità (learning objects), ogni singola unità può essere collegata alle
altre e ricomposta in un nuovo corso.
È proprio questo che ci proponiamo: utilizzare i modelli di ricerca semantica (che si
poggiano sulle ontologie) per generare automatica dei corsi didattici, oltre che
reperire le risorse. A questo punto abbiamo tutti i requisiti e le tecnologie per farlo.
3.1 I Learning Objects: atomi di conoscenza
Prima di proseguire ed entrare nel merito del nostro progetto, vogliamo
ricordare alcune nozioni fondamentali dell’e-Learning, ovvero cosa si intende per
Learning Objects (LOs) e i metadati ad essi associati.
I Learning Objects sono “blocchi autonomi” tra loro ed indipendenti dal contesto
che possono essere assemblati (tra loro) in ogni momento in cui ciò è richiesto ed
in base alle esigenze del discente [55]. In giro circolano tante definizioni di
Learning Objects, la più accreditata è quella data da David Wiley che definisce i
Learning Object come “ogni risorsa digitale che può essere riutilizzata per
supportare l’apprendimento”.
In questa definizione è inclusa qualsiasi cosa che possa essere resa disponibile
online. Quindi, i LOs li possiamo pensare come “atomi di conoscenza” autoconsistenti. Oggigiorno i soggetti erogatori di formazione stanno passando alla
modalità di erogazione del materiale didattico basato sull’approccio “Learning
Object” per via del più alto livello qualitativo riconosciuto ad esso rispetto ai metodi
precedenti. Inoltre, i Learning Objects possono essere riusati se opportunamente
specificati e realizzati. Le principali caratteristiche che debbono avere i LOs sono
due:
Università degli Studi di Napoli “Federico II”
74
Ficetola Francesco
Semantica Project
-
combinazione, della quale si occupano i “computer agent”, che
possono comporre in modo automatico e dinamico le “lezioni”,
personalizzandole per i singoli utenti. I LOs, grazie al fatto di avere i
metadata che li esplicitano, possono essere individuati, aggiornati e
ricomposti, dagli LCMS (Learning Content Management System)
[56], per formare nuovi “moduli didattici” rispondenti in modo
innovativo agli obiettivi formativi dei learners - percorso di
apprendimento personalizzato e riadattabile dinamicamente alle
esigenze del learner -, nel rispetto dei vincoli imposti dalla strategia
di obiettivo formativo delle aziende, università ed enti cui il learner
“dipende”.
-
granularità, che è la caratteristica che esprime le dimensioni di un
LO. Vi è abbastanza aleatorietà in ciò e possiamo affermare che una
risorsa per attribuire una dimensione al LO possa essere sicuramente
il buon senso.
Maggiore è la combinazione e la granularità dei LOs definiti, migliore sarà la loro
riusabilità in diversi contesti didattici, più facile sarà la loro localizzabilità e più
agevole sarà il loro uso personalizzato alle caratteristiche dello studente.
Figura 3.1: Componenti fondamentali dell'e-Learning
L’approccio basato sui Learning Objects è sempre più diffuso. Standard
internazionali come AICC, IMS e SCORM [56] stanno risolvendo il problema della
interoperabilità fra le diverse piattaforme di formazione a distanza. Creare LOs
Università degli Studi di Napoli “Federico II”
75
Ficetola Francesco
Semantica Project
efficaci e realmente riutilizzabili, però, non è solo un problema tecnologico; richiede
una specifica metodologia di progettazione e realizzazione, seguendo la quale, è
possibile realizzare in tempi rapidi e a costi contenuti LO di elevata qualità. Per
garantire che i Learning Objects siano aggregati, suddivisi e riutilizzati è necessario
standardizzare la loro descrizione, ovvero definire quello che in gergo si chiama
“set di metadati”.
I metadati (LOM, Learning Objects Metadata) sono definiti come quei dati che
non si riferiscono direttamente ai contenuti concreti di un LO, ma li classificano,
nel senso che rinviano ai contenuti di apprendimento del LO. Per l’elenco del set
di metadati di IMS vedere l’articolo [57].
3.2 Ontologie nell’e-Learning
L’e-Learning consente la personalizzazione del percorso didattico, sulle
esigenze/preferenze dei singoli discenti, se si utilizzano strumenti software che
consentono di rendere dinamico il corso e, quindi, renderlo modificabile sia dai
docenti, sia dai tutors e sia dai discenti in linea con la teoria costruttivista [51].
Vi sono delle problematiche che emergono nel far ciò e per risolverle è necessario
l’utilizzo di ontologie nella costruzione e fruizione di corsi in modalità e-Learning.
Nei corsi in modalità e-Learning contenenti Reusable Learning Object, si esprime,
quindi, il loro contenuto semantico attraverso concetti appartenenti ad una
ontologia che descriva il dominio del corso.
Costruita l’ontologia, su di essa si basa la ricerca semantica dei Learning
Objects. Possiamo pensare all’ontologia come la mappa dei percorsi che portano
da un LO ad un altro o anche che tenga traccia dei percorsi didattici di un utente.
Un primo esempio può essere osservato nella piattaforma Intelligent Web Teacher
(IWT) [52], la quale utilizza nel modello della conoscenza anch’essa ontologie: in
IWT, le ontologie sono strutture a grafo che consentono di descrivere formalmente
un dominio didattico attraverso la specificazione di un vocabolario di concetti e
l’identificazione delle relazioni intercorrenti fra essi [53].
In IWT è il docente a creare l’ontologia, ossia una mappa concettuale per
rappresentare il flusso dei concetti obiettivo di un corso. [54]
Università degli Studi di Napoli “Federico II”
76
Ficetola Francesco
Semantica Project
In Italia, purtroppo, gli attuali sistemi di didattica a distanza non sono privi di
difetti: problemi come l’information retrieval e l’integrazione tra sistemi e-learning
non sono ancora risolti.
L’esigenza di rendere riutilizzabile, accessibile ed interoperabile la
conoscenza codificata nei diversi sistemi di e-Learning, ha portato a riconsiderare
le modalità con le quali i contenuti per l’apprendimento vengono creati su sistemi
software proprietari, inutilizzabili cioè in altri contesti.
Le prospettive future prevedono lo scambio, l’integrazione e la costruzione
collaborativi di conoscenza usufruendo di ampi “repository di conoscenze” a cui si
potrà accedere in modo rapido ed intuitivo attraverso software adeguati (vedi il già
citato Edutella).
Questo problema del recupero efficiente degli oggetti di apprendimento è molto
sentito perché è vicino al problema della ricerca dei documenti attraverso i motori
e gli indici di rete. Cercare informazioni in Internet comporta un altissimo tasso di
“rumore”, cioè di documenti non pertinenti. Per questo motivo, fin da subito, si è
stabilito che i LOs dovessero essere dotati di un sistema di classificazione il più
possibile completo ed efficiente: i metadati (LOM) [59].
3.3 Annotare i learning objects: XML o RDF?
Nasce una problematica che ci induce a “giustificare” il perché si sia
introdotto un nuovo linguaggio nello stack del Semantic Web in luogo dell’XML, che
oltretutto è il linguaggio “ufficiale” utilizzato per la scrittura dei LOM. La descrizione
a marcatori dell’XML non è sufficiente a convogliare una semantica che esprima
relazioni tra concetti. Con esso è possibile formalizzare la conoscenza attraverso
espressioni del tipo “soggetto-predicato-oggetto” i cui termini e restrizioni
operative sono definite in apposite strutture che abbiamo chiamato RDF-Schema.
In sostanza mentre l’XML aiuta a dichiarare una struttura di conoscenza, l’RDF
aggiunge ad essa l’aspetto relazionale. Con RDF ogni oggetto descritto è una
risorsa identificata in modo univoca sul Web, attraverso la sua URL o URI [58].
Dunque, rispetto a XML, di cui è un figlio, RDF ha alcuni vantaggi, come per
esempio la possibilità di definire agevolmente il tipo e le proprietà degli oggetti (si
Università degli Studi di Napoli “Federico II”
77
Ficetola Francesco
Semantica Project
tratta sempre di un insieme definito di risorse, proprietà e valori). RDF limita e
focalizza alcune caratteristiche di XML per renderlo un linguaggio rivolto alla
descrizione di un oggetto, delle sue proprietà, e delle relazioni con gli altri oggetti.
Le differenze tra RDF e XML sono fondamentalmente due:
✔
RDF è stato pensato espressamente per esprimere metadati. XML fa molte
cose, e può anche essere usato per descrivere metadati, ma generalmente
ha un rapporto molto più stretto con i dati, contiene già in sé dei dati che
possono essere richiamati. RDF esprime metadati, nel senso più proprio:
descrive contenuti di un documento che in esso non sono presenti.
✔
XML è centrato su una struttura a inclusione, riesce perciò ad esprimere
senza difficoltà le relazioni di parentela o di essere parte di, ma per le altre
relazioni dimostra dei limiti. Se volessi esprimere una relazione associativa
fra due classi, cioè dire che esse hanno una relazione ma non sono incluse
una nell'altra, con XML dovrei ricorrere agli ID e agli IDREF.
Ma abbiamo anche visto che l’RDF, pur essendo un linguaggio potente per sua
rappresentazione della conoscenza, non ha di per sé alcun modo di operare
inferenze o deduzioni. Bisogna rifarsi ad un ulteriore livello che riesca ad associare i
concetti a regole logiche d’uso attraverso software specifici: questo livello è proprio
quello delle ontologie.
Citazione. “Le ontologie hanno un ruolo fondamentale nella risoluzione di
interoperabilità semantica tra sistemi e-learning ” [58].
Esiste una interessante proposta costituita dallo standard IEEE Learning
Object Metadata RDF binding [60], che fornisce una rappresentazione dello IEEE
LOM in RDF. La proposta di questo standard è quello di fornire un legame tra LOM
con RDF per concedere lo scambio di istanze di Learning Object Metadata
(LOM) tra sistemi che implementano il modello di dati IEEE LOM (P1484.12.1).
Questo legame è definito come un set di costruttori RDF che facilitano
l’inserimento metadati di contenuto formativo nel Web Semantico. La figura
seguente mostra quelli che sarebbero i livelli previsti in questo modello della
conoscenza (i tre livelli del Modello della Conoscenza):
Università degli Studi di Napoli “Federico II”
78
Ficetola Francesco
Semantica Project
Figura 3.2: i tre livelli del Modello della Conoscenza
Come è possibile vedere, il livello 3 di descrizione di dominio, vale a dire il livello
ontologico, permette una rappresentazione formale di un concetto oltre alla
rappresentazione semantica e sintattica dello stesso. Si considera che la
concessione del Web Semantico permetterà un nuovo livello di servizi nei sistemi elearning. Le ontologie permettono appunto l’interoperabilità semantica.
L’interoperabilità è definita dalla IEEE come “l’abilità di due o più sistemi o
componenti di scambiare l’informazione e di utilizzare l’informazione che è stata
scambiata”. Nei sistemi e-learning, l’interoperabilità permette lo scambio e la
riutilizzazione delle risorse educative (tutorial, documenti, lucidi) che sono stati
sviluppati nelle piattaforme educative eterogenee. Esso permette di:
-
aumentare la qualità e varietà delle risorse educativa nel mercato;
-
preservare il capitale investito in tecnologia e sviluppo di risorse
educative, giacché una risorsa educativa potrà essere scambiata o
utilizzata senza la necessità di realizzare modificazioni costose;
-
garantire che gli utenti con differenti piattaforme hardware e
software possano accedere alle risorse educative di diverse fonti con
perdite minime di contenuto e funzionalità.
Per riuscire ad avere una completa interoperabilità nei sistemi e-Learning è
necessario:
-
definire una sintassi e una semantica comune per la descrizione di
risorse educative (standard e tecnologie di Web Semantico);
-
stabilire un sistema di comunicazione, mediazione e scambio delle
risorse educative [61].
Università degli Studi di Napoli “Federico II”
79
Ficetola Francesco
Semantica Project
Il tutto dovrebbe essere governato da standard che preservino e garantiscano le
proprietà fondamentali per l’e-learning: accessibilità, interoperabilità, riusabilità,
adattabilità, durabilità, produttività.
Le più importanti organizzazioni e gruppi che lavorano nel campo delle
specificazioni e degli standard in e-Learning sono: Aviation Industry CBT Commitee
(AICC), IEEE Learning Tecnologies Standards Comité, IMS Global Consortium,
Advanced Distributed Learning (ADL), Alliance of Remote nstructional and
Distribution Networks for Europe (ARIADNE).
Un esempio di soluzione ontologica al problema dell’eterogeneità delle
piattaforme e-learning e al problema dell’Information Retrieval è stato proposto
dall’Università di Trento ed è riferito in questo articolo [58]. Inoltre, in [63] viene
presentata una soluzione che utilizza le ontologie ALOCoM (Abstract Learning
Content
Model)
e
IBM’s
Darwin
Information
Type
Architecture
(DIDA),
interfacciandosi con il sistema Edutella per lo scambio dei contenuti didattici.
In [64] viene presentato un sistema olistico che permette l’annotazione semantica
automatica, l’indexing e il retrieval di documenti (piattaforma KIM, Knowledge and
Information Management), basato sul processo di estrazione (information
extraction) non di tutte le parti del discorso (parole, frasi, ecc.) ma solo delle
named entities, ossia quei concetti che si riferiscono a nomi propri di persona,
cose, luoghi, organizzazioni, ecc. (Named Entity Recognition) [64]. Il nostro
approccio sarà più generale, rivolto all’estrazione e all’indexing di tutti i concetti
presenti in un vocabolario condiviso, non solo appartenenti a named entities.
Interessante anche il progetto VICE del Centro di Ricerca Informatica Interattiva
dell’Università degli Studi dell’Insubria [65], in cui si propone una piattaforma
innovativa per la creazione di un repository di LO e moduli didattici, supportato
dall’uso di metadati e definendo ontologie disciplinari.
3.4 Un retrieval efficace dei learning objects
Introduciamo finalmente la nostra soluzione, focalizzando il problema che
intendiamo risolvere. Per rendere i learning objects realmente riutilizzabili bisogna
affrontare due macrocategorie di problemi:
Università degli Studi di Napoli “Federico II”
80
Ficetola Francesco
Semantica Project
1. interoperabilità tecnologica: si tratta di rendere disponibili per il riuso
LOs prodotti su piattaforme differenti e che possono adottare diversi
formati;
2. retrieval efficace: il retrieval dei learning objects deve tenere conto
anche delle proprietà educative e pedagogiche di ogni risorsa didattica.
Queste proprietà devono essere tenute in considerazione quando i learning
objects vengono assemblati per generare dei corsi didattici.
Noi intendiamo risolvere il secondo problema, visto che il primo prevede la
definizione di un processo di standardizzazione, che vede come protagonisti AICC,
ADL SCORM, IEEE LTSC, IMS, DUBLIN CORE, ecc., standard che tuttavia non
risolvono il secondo problema, visto che non supportano la definizione di una
semantica formale.
Ecco la frase eloquente che ci introduce la chiave di volta del nostro progetto:
Citazione. “Annotare semanticamente le risorse didattiche può essere definito
come il processo di allegare descrizioni semantiche alle risorse collegando queste
ultime ad un certo numero di classi e proprietà definite in ontologie” [66].
Per fare ciò ci serviamo dei metadati, classificabili in tre categorie:
●
metadati standard, che permettono di definire una struttura gerarchica che
non contempla nessun tipo di relazione semantica fra i metadati (come
IEEE LOM);
●
metadati semi-semantici, che utilizzano solitamente uno standard per la
descrizione dei learning object, ma collegano i metadati ad una rete
semantica che offre diversi tipi di relazioni fra i learning objects;
●
metadati semantici, utilizzati in applicazioni che si basano completamente
sulle ontologie di dominio. Esse usano RDF come veicolo per esprimere la
semantica di una risorsa didattica.
Domanda. Ma perché il Semantic Web e, quindi, tutte le tecnologie che lo
“realizzano”, può essere lo strumento principale per garantire l’interoperabilità e
l’accesso efficace alle risorse formative?
Università degli Studi di Napoli “Federico II”
81
Ficetola Francesco
Semantica Project
Risposta.
1. Il Web Semantico permette di legare i learning objects a delle
ontologie condivise. Questo permette la costruzione di corsi a misura
di utente, interrogando semanticamente le risorse didattiche per le
informazioni di interesse.
2. Il Web Semantico offre anche dei meccanismi per la navigazione
concettuale all’interno dei learning objects.
3. Nel Web Semantico l’utente può cercare il materiale desiderato:
l’ontologia fa da collegamento fra i bisogni dell’utente e le
caratteristiche del materiale didattico.
4. Il Web Semantico offre un supporto all’evoluzione del materiale
tramite i meccanismi di annotazione semantica del contenuto.
Il suggerimento è quello di migliorare l’utilizzo dei metadati, prevedendo
metadati basati sulle ontologie. Le ontologie, infatti, hanno il compito di far
corrispondere ad ogni metadato un preciso significato, in maniera tale da garantire
l’interoperabilà.
In [36] si considera un learning object come un oggetto tridimensionale, le cui
dimensioni sono:
-
il contenuto, la dimensione di ciò di cui il learning object parla;
-
il contesto, la dimensione del modo in cui il contenuto viene fornito;
-
la struttura, la dimensione che appartiene all’organizzazione dei
learning object in corsi completi, in quanto raramente essi vengono
utilizzati isolati.
In tale discorso, dunque, le ontologie possono e devono essere applicate a diversi
livelli:
-
ontology content, che descrive i concetti di base del dominio in cui
l’apprendimento avviene;
-
pedagogical ontology, che focalizza il contesto del learning object
(può classificare un LO come esempio, teorema, lezione, esercizio,
ecc.). Una strategia pedagogica definisce, ad esempio, l’ordine di
successione dei learning objects in base al loro ruolo, asserendo che
un esempio deve sempre seguire una definizione;
-
structural ontology: che descrive la struttura di un corso didattico.
Università degli Studi di Napoli “Federico II”
82
Ficetola Francesco
Semantica Project
3.5 Stato dell'arte dei sistemi per l'annotazione e il retrieval di risorse
didattiche
Molte sono state ad oggi le proposte di sistemi per l’annotazione e
recupero semantico di risorse didattiche in ambienti di e-Learning. Di seguito si
riporta un breve stato dell’arte descrivente le caratteristiche e pecularietà dei
principali approcci.
In [109] gli autori presentano quelle che devono essere le caratteristiche
principali di un approccio atto all’implementazione di uno scenario di e-learning
basato sul Web Semantico basato sull’utilizzo di ontologie per la descrizione delle
risorse didattiche. In particolare, essi suggeriscono di migliorare l’utilizzo dei
metadati tramite metadati basati sulle ontologie. Le ontologie hanno quindi il
compito di far corrispondere ad ogni metadato un preciso significato, in maniera
tale da garantire l’interoperabilita.̀ Inoltre, il problema di fornire un significato
comune si presenta a diversi livelli fra loro ortogonali di un learning object. Infatti,
dal punto di vista di uno studente un learning object si può considerare come un
oggetto tridimensionale; queste tre dimensioni sono: il contenuto, la dimensione di
ciò di cui il learning object parla; il contesto, la dimensione del modo in cui il
contenuto viene fornito; la struttura, la dimensione che pertiene all’organizzazione
dei learning object in corsi completi, in quanto raramente essi vengono utilizzati
isolati.
Il sistema Courseware Watchdog [110,111] propone un approccio
basato su ontologie per il retrieval di learning object in grado di soddisfare i
seguenti requisiti: il sistema deve capire l’ontologia e navigare all’interno del
contenuto; il sistema deve essere in grado di recuperare il materiale rilevante; il
sistema deve dare la possibilità̀ di interrogare repository di risorse semantiche
annotate; il sistema deve effettuare il clustering dei documenti secondo l'ontologia;
il sistema deve essere in grado di aggiornare l’ontologia e la knowledege base
quando giungono nuovi dati. L’architettura è̀ centrata intorno ad un sistema di
gestione delle ontologie realizzato utilizzando il framework KAON. Le ontologie,
definite OIMODELS (Ontology-instance-models) consistono di concetti, relazioni fra
concetti, istanze, proprietà delle istanze, tutte riferite come entita.̀ L’altro elemento
centrale dell’architettura è il text corpus, che contiene un insieme di documenti e
Università degli Studi di Napoli “Federico II”
83
Ficetola Francesco
Semantica Project
per ogni documento contiene il testo, i metadati e altre informazioni. L’astrazione
per il text corpus è offerta da Text-to-Onto, un’estensione del framework KAON che
offre dei meccanismi di text mining per l’analisi dei documenti. I due elementi più
interessanti di questo approccio sono il focused crawling utilizzato per recuperare le
risorse
didattiche
“rilevanti”
dal
Web
e
il
subjective
clustering
per
il
raggruppamento delle risorse didattiche restituite dal crawler. Infine, il sistema si
configura come un consumer nei confronti del network Edutella [112], una rete
peer-to-peer per lo scambio di risorse didattiche.
Il sistema PeOnto [113] propone un insieme di 5 ontologie in grado di
supportare i diversi servizi di una piattaforma di e-learning. Esse sono : curriculum
ontology – che rappresenta l’insieme degli obiettivi formativi che un’organizzazione
vuole che le persone raggiungano; language ontology - che descrive la struttura di
un particolare dominio di studio; pedagogy ontology - descrive le procedure di
instructional design e le relazioni fra le risorse e le attività di apprendimento;
people ontology - descrive la struttura delle persone coinvolte nel processo
educativo e le relazioni fra esse; PEA ontology – che descrive le responsabilità degli
agenti software intelligenti utilizzati dalla piattaforma di e-learning.
Il sistema e-aula [114] ha lo scopo del progetto di generare
dinamicamente dei corsi didattici assemblando le risorse didattiche tenendo conto
del background dell’allievo, dei suoi obiettivi e del suo stile di apprendimento. Per
realizzare questo obiettivi, gli autori propongono di annotare i learning object con
due tipi di informazioni: informazioni pedagogiche, utili a catturare la funzione
educativa svolta da un LO; informazioni sul contesto, metadati circa il contenuto di
una risorsa didattica. Un learning object viene quindi annotato in riferimento a due
ontologie: l’ontologia pedagogica, che si riferisce al ruolo educativo, e l’ontologia di
dominio, che si riferisce al dominio di appartenenza della risorsa. Il profilo
dell’allievo viene modellato utilizzando IMS Learning Design specification. In base
alle informazioni presenti, il sistema assembla i LO e genera un corso completo
applicando una trasformazione XSLT ai LO selezionati.
Il sistema ELENA [115] mira a creare un sistema in grado di riempire il
gap esistente fra i correnti sistemi di adaptive e-learning e i repository dinamici di
learning object. Gli autori propongono un’architettura basata sui servizi in grado di
offrire funzioni di personalizzazione tramite web-service che sfruttano le
Università degli Studi di Napoli “Federico II”
84
Ficetola Francesco
Semantica Project
annotazioni semantiche dei learning object. Il sistema utilizza tre tipi di
ontologie: ontologia dei learning ojbect - per la descrizione delle risorse didattiche
viene utilizzata un’ontologia modellata secondo lo standard Dublin Core; ontologia
di dominio - permette di tenere traccia dei concetti che fanno parte di un dominio e
delle loro relazioni reciproche; ontologia per gli allievi - permette di descrivere le
informazioni relative ai discenti. Il componente centrale dell’architettura è il
Personal Learning Assistant Service, il cui compito è quello di utilizzare i servizi
offerti dal sistema per cercare risorse, corsi e percorsi di apprendimento completi
adatti all’utente. Il componente fornisce un’interfaccia di ricerca che interagisce con
un’ontologia per costruire le query e che permette di rifinire le query che
presentano concetti non presenti nell’ontologia. Il Query Rewriting Service estende
poi la query dell’utente aggiungendo ulteriori vincoli e variabili non presenti nella
query originaria. Questa estensione è basata su una serie di euristiche.
Ad esempio, il servizio può aggiungere dei vincoli basati sulle preferenze
dell’utente e le abilità linguistiche. Oppure può estendere la query in base alle
esperienze di apprendimento precedenti memorizzate all’interno del profilo se lo
scopo è quello di migliorare le abilità dell’utente. Il Recommendation Service
fornisce delle annotazioni delle risorse didattiche basate sulle informazioni del
profilo dell’utente. Queste annotazioni si riferiscono al ruolo educativo della risorsa,
alla sua compatibilità con il profilo dell’utente, etc. La derivazione di queste
annotazioni viene effettuata tramite l’uso di euristiche. Il Link Generation Service
utilizza delle euristiche per creare collegamenti semantici fra le risorse didattiche
tenendo in conto le informazioni contenute nel profilo dell’utente. L’Ontology
Service mantiene una o più ontologie e può essere interrogato per restituire l’intera
ontologia, una parte di essa, o può rispondere a query del tipo “trova tutti i
sottoconcetti di un concetto C”, ma anche query sulle relazioni, del tipo “chi è
autore del concetto C”. Il servizio è in grado di supportare anche l’evoluzione delle
ontologie nel tempo. Il Mapping Service permette di definire delle corrispondenze
fra ontologie in maniera tale che i vari servizi non siano obbligati ad utilizzare le
stesse ontologie. Questo servizio può essere utilizzato per esempio per ottenere la
corrispondenza di un concetto C da una certa ontologia verso un concetto C' di
un'altra ontologia, oppure per far corrispondere un’istanza I formulata in termini di
un'ontologia ad un'istanza I' formulata in termini di un'altra ontologia.
Il
Repository Service fornisce un accesso a qualunque repository di learning object
connesso ad una rete. I repository possono essere semplici files, singoli database,
federazioni di database o reti P2P.
Università degli Studi di Napoli “Federico II”
85
Ficetola Francesco
Semantica Project
L’approccio proposto in [116] mira a creare un’architettura per il riutilizzo
dei learning object in maniera flessibile. Gli autori partono dalla constatazione che i
correnti modelli di aggregazione per i learning object permettono il riuso di un
intero LO, ma non permettono il riutilizzo dei componenti a grana fine. Gli autori
suggeriscono un generico content model chiamato ALOCoM che definisce i LO e i
loro componenti. Il modello fa una differenza fra Content Fragment (CF),
ContentObject (CO), Learning Object (LO). I CF sono unità di contenuto in una
forma di base, come ad esempio testo, audio e video. Praticamente, i CF sono le
risorse digitali grezze. Essi possono essere specializzati nei due raggruppamenti di
risorse discrete (immagini e testo) o continue (audio, video, simulazioni e
animazioni). I CO aggregano i CF e aggiungono funzionalità di navigazione. I CO
possono aggregare anche altri CO. Il successivo livello di aggregazione prevede che
i CO si associno in un LO che aggiunge anche gli obiettivi didattici.
Infine, il sistema QBLS [117] è un sistema che utilizza le tecnologie e gli
standard del Web Semantico per permettere il riuso delle risorse didattiche. Il
sistema si basa sull’utilizzo di due ontologie. La prima ontologia è un’ontologia di
dominio. Anzichè́ creare ontologie di dominio in OWL o RDF, gli autori suggeriscono
di utilizzare lo standard SKOS (Simple Knowledge Organization System) proposto
dal W3C, che è facile da utilizzare e offre una discreta potenza espressiva. La
seconda ontologia è un’ontologia pedagogica. L’ontologia pedagogica permette di
applicare una strategia pedagogica durante la generazione di un corso. Una
strategia pedagogica definisce ad esempio l’ordine di successione dei learning
object in base al loro ruolo, asserendo che un esempio deve sempre seguire una
definizione.
Il retrieval dei learning object avviene sulla base dell’ontologia di dominio: i
learning object vengono annotati rispetto ai concetti contenuti nell’ontologia; in
fase di retrieval, il sistema recupera tutte le risorse che contengono il concetto
scelto dall’utente e altri concetti collegati che vengono scoperti tramite il
meccanismo di inferenza.
Gli approcci proposti delineano quelle che sono le linee guide sia funzionali
che architetturali nell’implementazione di un sistema di annotazione e retrieval
semantico di learning object. La nostra proposta utilizza molte delle idee esposte
al fine di giungere ad una soluzione innovativa ed efficace.
Università degli Studi di Napoli “Federico II”
86
Ficetola Francesco
Semantica Project
3.6 Semantica Project: un modello di macchina semantica
I requisiti da cui partiamo per la progettazione del nostro progetto sono
fondamentalmente due:
✔
garantire flessibilità;
✔
massimizzare l’interoperabilità.
Il primo requisito si riferisce alla capacità del software di adattarsi ad esigenze
diverse. Nel caso specifico, il nostro ambito applicativo è quello del retrieval dei
learning objects, ma è possibile utilizzare il progetto anche in domini differenti, in
cui si voglia recuperare contenuti degli ambiti più disparati.
L’interoperabilità è la capacità di diverse soluzioni di collaborare tra loro. Tale
requisito è garantito grazie all’adozione di standard (come abbiamo già visto). Il
problema degli standard è che essi devono essere abbastanza generici da mettere
d’accordo tutti gli utilizzatori, ma abbastanza specifici da soddisfare le esigenze di
tutti. Tuttavia, il nostro approccio mira a dotare il software di un’interoperabilità
operativa insita nel modello, ovvero che non dipenda da alcuno standard se non
dal modello stesso.
In questo capitolo, abbiamo introdotto un’importante soluzione al problema
dell’interoperabilità: l'approccio ontologico. Ebbene, vogliamo sottolineare che la
nostra soluzione considera la semantica delle informazioni descrivendola tramite
delle ontologie.
Tuttavia, volendo risolvere un problema molto generale come l'interoperabilità,
ne generiamo altri più specifici derivati dall’uso delle ontologie:
●
le ontologie sono difficili da condividere ;
●
le ontologie devono essere costruite;
●
le ontologie devono costituire una concettualizzazione condivisa.
Il problema principale è che affinché un’ontologia possa risolvere i problemi di
interoperabilità è necessario che essa sia condivisa, ovvero che un certo numero di
sistemi la utilizzi. Sarà il tempo a dire quali ontologie risulteranno vincitrici.
Università degli Studi di Napoli “Federico II”
87
Ficetola Francesco
Semantica Project
Inoltre, da un punto di vista squisitamente pratico, è poco probabile che due
persone riescano a produrre la stessa concettualizzazione di un dominio.
Per macchina semantica intendiamo un sistema software in grado di
elaborare e interpretare informazioni presenti sul Web tramite ontologie. I requisiti
della macchina da realizzare sono:
➔ la macchina deve interpretare la semantica delle informazioni;
➔ la macchina deve garantire flessibilità per trattare ogni tipo di
informazione;
➔ la macchina deve garantire interoperabilità con altre macchine,
deve cioè essere in grado di comunicare informazioni ad altre
macchine senza perdere la semantica.
In tale modello, l'informazione è costituita da segni, in accordo alle teorie
semiotiche di Pierce e Morris. Un segno si compone di un significato e di un
significante:
-
significante: aspetto esterno, visibile di un segno (una parola, una
porzione di un’immagine…);
-
significato: (di un significante) ha bisogno di un contesto in cui viene
utilizzato ed è quel concetto che quel determinato significante
veicola. Un problema rilevante è costituito dal fatto che lo stesso
significante può avere più significati (polisemia) se usato in discorsi
diversi, ma anche da soggetti diversi.
Tale informazione grezza (ovvero non strutturata), di cui è visibile solo la
composizione in significanti e non in significati, viene racchiusa in una risorsa
informativa, la quale aggiunge all’informazione stessa:
un dominio informativo o descrizione del contenuto;
la scomposizione informativa o suddivisione dell'informazione in
unità di contenuto;
il contesto informativo o descrizione esplicita del contesto;
la componente interstrutturale o descrizione della struttura;
il
contenitore
informativo
o
descrizione
della
tipologia
di
informazione.
Università degli Studi di Napoli “Federico II”
88
Ficetola Francesco
Semantica Project
La risorsa informativa è un vero e proprio contenitore per informazioni a cui si
può associare un URL. Il dominio informativo racchiude l’insieme dei concetti
che descrivono una risorsa, nonché le relazioni semantiche tra questi concetti.
La scomposizione informativa rappresenta l’insieme di unità di contenuto di
un’informazione.
Il
contesto
informativo
contiene
delle
indicazioni
esplicite
circa
la
contestualizzazione dell’informazione, utili per una sua corretta interpretazione.
La componente interstrutturale contiene indicazioni circa altre risorse che sono
collegate semanticamente alla risorsa informativa.
Il contenitore informativo descrive la tipologia di informazione contenuta
(pagina di giornale, rivista, notizia,…)
Contesto
informativo
Componente
interstrutturale
Dominio
informativo
Scomposizione
informativa
Contenitore
informativo
Figura 3.3: La risorsa informativa e le sue componenti
3.7 La struttura di alto livello della macchina semantica
Mostriamo di seguito la struttura di alto livello della nostra macchina
semantica. Essa è progettata tenendo conto della struttura dell’informazione, così
come descritto al paragrafo precedente. Essa, infatti, dovrà essere in grado di
trattare i diversi “livelli” in cui può essere vista una risorsa informativa.
Università degli Studi di Napoli “Federico II”
89
Ficetola Francesco
Semantica Project
Figura 3.4: Struttura di alto livello della macchina semantica
La struttura può essere suddivisa in due parti costituenti: la parte intenzionale e
quella estensionale.
La parte intenzionale è formata dalle ontologie che rappresentano forme a priori
della conoscenza, cioè indipendenti dalla conoscenza stessa e attraverso le quali si
dà conoscenza.
La parte estensionale è costituita dalla knowledge base, che immagazzina la
conoscenza posseduta dalla macchina e codificata mediante le forme a priori.
Il nucleo della macchina è costituito dal centro dei significati, che contiene tutti i
significati conosciuti dalla macchina. Inoltre, vi è un modulo di comunicazione
che consente l’acquisizione di nuove risorse informative e la pubblicazione di quelle
possedute dalla macchina.
Università degli Studi di Napoli “Federico II”
90
Ficetola Francesco
Semantica Project
Approfondiamo di seguito i diversi “componenti” di alto livello della
macchina semantica, fornendo una sintesi ed una integrazione della tesi di Mario
Caropreso, che anticipa teoricamente i modelli adottati per la successiva
progettazione ed implementazione del sistema Semantica. Questo mio lavoro di
tesi vuole, infatti, fornire ulteriori dettagli al già ricco e stupefacente lavoro di
Caropreso, su cui fonda le basi questa sperimentazione.
3.8 Il centro dei significati: WordNet
Il centro dei significati contiene tutti i significati conosciuti dalla
macchina semantica. Come abbiamo già visto, quando abbiamo parlato
dell’informazione, il significato esprime un concetto, un’idea alla quale rimanda un
termine, un significante.
Il centro dei significati della nostra macchina semantica è strutturato in modo
simile a WordNet, il database lessicale della Princeton University.
Per capire dunque come opera il centro dei significati della macchina semantica,
introduciamo i concetti fondamenti del database WordNet [67].
Il WordNet è un database lessicale elettronico, la cui struttura è ispirata
alle attuali teorie psicolinguistiche legate alla memoria lessicale umana. È
sviluppato presso l’università di Princeton dal Cognitive Science Laboratory e
gratuitamente scaricabile.
WordNet organizza nomi, verbi, aggettivi ed avverbi in insiemi di sinonimi
(synset), dove ognuno di loro rappresenta un concetto. I synset, inoltre, sono
legati tra loro attraverso diverse relazioni, come la sinonimia, antonimia, iponiami,
iperonimia, ecc. [68]
La differenza dalle classiche procedure per organizzare informazioni lessicali, come
ad esempio i dizionari, consiste nel fatto che le parole non sono organizzate in una
lunga lista ordinata, ma sono legate in modo gerarchico. WordNet è considerato la
più grande risorsa disponibile per i ricercatori nei campi della linguistica
computazionale, dell’analisi testuale e di altre aree associate. In esso i lemmi sono
organizzati in synset divisi in 4 categorie: nomi, verbi, aggettivi e avverbi.
Università degli Studi di Napoli “Federico II”
91
Ficetola Francesco
Semantica Project
Questa suddivisione in categorie, pur comportando una ridondanza rispetto ai
dizionari classici, ha il vantaggio di visualizzare in modo chiaro le diverse categorie
e di sfruttarle al meglio in base alle loro diverse strutture.
In WordNet, uno stesso termine può appartenere a synset diversi, a
seconda del suo significato. Fra synset si instaurano delle relazioni semantiche
secondo una modalità di organizzazione che sembra ricalcare quella della memoria
umana.
È proprio per questo motivo che abbiamo scelto WordNet per implementare la
memoria dei significati della nostra macchina semantica: la struttura organizza i
concetti lessicali come si fa nella memoria di un essere umano.
A noi interessa operare sui significati e non sui significanti e Wordnet memorizza,
infatti,
solo
i
primi,
rendendo
indipendente
il
sistema
dal
formato
di
rappresentazione dei contenuti.
Inizialmente WordNet è stato ideato come un insieme di relazione
semantiche tra concetti lessicali, ma con il proseguire del progetto si è osservato
che c’era un altro tipo di relazione che non poteva essere trascurato: le relazioni
lessicali. Infatti, WordNet organizza le relazioni in due principali categorie e sono:
✔
relazioni semantiche, le quali esprimono un legame tra i
significati
come
la
specializzazione
e
la
generalizzazione
(iperonimia e iponimia);
✔
relazione lessicali, le quali esprimono un legame tra i lemmi
come la sinonimia, la polisemia e l’antonimia.
La sinonimia è la relazione più importante in WordNet, infatti dalla sola relazione di
sinonimia tra i vari lemmi si può facilmente risalire al significato, eliminando o
limitando i problemi di ambiguità semantica.
La definizione di sinonimia in termini di sostituibilità divide necessariamente il
WordNet in nomi, verbi, aggettivi e avverbi; infatti, parole che appartengono a
diverse categorie sintattiche non possono essere interscambiate.
La antonimia è una relazione tra lemmi, la quale indica che uno è il contrario
dell’altro.
La iponimia è la relazione che lega un concetto verso un concetto più generale di
cui ne costituisce la specializzazione.
Università degli Studi di Napoli “Federico II”
92
Ficetola Francesco
Semantica Project
L’iperonimia è la relazione che lega un concetto verso un concetto più specifico di
cui rappresenta la generalizzazione.
La meronimia lega un concetto verso un insieme di concetti che lo compongono.
L’olonimia è la relazione che lega un concetto verso un concetto che lo contiene.
La relazione di iperonimia/iponimia è la relazione sulla quale gli
studiosi basano la teoria sul sistema di memoria semantica. Esso è di tipo
gerarchico e può essere schematizzato come un albero (nel senso grafico del
termine).
La proprietà fondamentale di un albero è che un cammino dalla radice alle foglie
non debba mai essere un loop. L’albero viene costruito seguendo la catena di
termini in relazione di iponimia.
La struttura creata è una sequenza di livelli che va da molti termini specifici al
livello più basso a pochi termini generici a livello più alto.
Con questo sistema si ovvia al problema della ridondanza, soprattutto per basi di
dati che contengono molti termini: il termine al livello n ha tutte le proprietà del
termine al livello n-1 ad esso collegato e ne aggiunge delle altre. E così via
scendendo o salendo nella scala gerarchica. Basta quindi memorizzare solo le
informazioni che caratterizzano l’oggetto stesso, mentre si possono tralasciare
quelle che già sono memorizzate per l’oggetto padre.
In letteratura è dimostrato che WordNet viene utilizzato con grande
successo negli algoritmi di Word Sense Disambiguation (WSD), in particolare
quando si tratta di contenuti testuali. In [69] e [70] vengono riportati i risultati
sperimentali dell’utilizzo di WordNet nel processo di disambiguazione.
La risoluzione di ambiguità semantiche dei termini, come vedremo più
dettagliatamente in seguito, consiste nel determinare in maniera automatica il
significato più appropriato di una parola in base al contesto nel quale essa si trova.
WordNet, in quanto rete semantica, viene utilizzato come strumento per
determinare il senso di una parola basandosi sulle relazioni semantiche fra i “vicini”
della parola stessa.
Sempre in [70] viene spiegato che la costruzione di una mappa concettuale,
ovvero una lista di concetti e delle relazioni che li collegano per la costruzione di
frasi di senso compiuto, è fondamentale per la realizzazione di un’accurata
rappresentazione della conoscenza del dominio in cui opera un utente. Molti
Università degli Studi di Napoli “Federico II”
93
Ficetola Francesco
Semantica Project
algoritmi di linguistica computazionale utilizzano WordNet per disambiguare il
senso di una parola in una mappa concettuale, usando la mappa stessa per carpire
il contesto in cui tale parola opera. L’operazione di realizzazione del centro dei
significati è detta di concept mapping e l’algoritmo che la realizza sfrutta WordNet
per determinare il senso dei concetti e ricercare il loro giusto contesto. Inoltre,
ancora in [70] viene presentato un algoritmo WSD che costruisce una mappa
concettuale usando WordNet per la disambiguazione.
Grazie a WordNet viene definito il concetto di distanza semantica, direttamente
connesso a quello di similarità semantica, che fornisce una misura della similarità
semantica fra due lemmi. Si può affermare che il calcolo della similarità semantica
fra due lemmi si basa sulla lunghezza del cammino necessario a percorrere la
distanza che li separa dal concetto minimo comune [71].
3.9 Le ontologie della macchina semantica
La nostra macchina semantica è in possesso di forme a priori che si
possono raggruppare in:
●
ontologia dell’informazione: definisce il concetto di informazione e i
concetti che la descrivono, tra cui risorsa informativa, dominio informativo,
scomposizione informativa, unità di contenuto, contesto informativo,
componente interstrutturale, contenitore informativo;
●
ontologia di linguaggio: definisce un nuovo linguaggio in cui scrivere
l’RDF per descrizione delle risorse sul Web Semantico. Il nuovo linguaggio
si chiama N-RDF ed è una estensione di RDF che non necessita di una
ontologia esplicita, ma utilizza implicitamente il centro dei significati come
ontologia implicita. N-RDF permette di esprimere statement i cui
componenti sono direttamente i significati. In N-RDF, la tripla <soggetto-
predicato-valore > è descritta in termini di sensi prelevati dal centro dei
significati. Le descrizioni N-RDF si prestano anche ad essere facilmente
interrogate mediante SPARQL. In realtà, anche N-RDF impone una
codifica, ma la codifica è relativa ad un vocabolario universale, su cui è
presente un consenso più vasto, non un vocabolario di dominio, su cui è
invece necessario un accordo preventivo in caso di mancata soddisfazione
Università degli Studi di Napoli “Federico II”
94
Ficetola Francesco
Semantica Project
di tutti gli attori in gioco. Inoltre, N-RDF mette a disposizione un
meccanismo di istanziazione tramite il quale è possibile creare istanze di
significati e definire proprietà [36];
●
ontologia per i domini: l’ontologia contiene il concetti che permettono di
descrivere i domini ed è modellata a parte dall’ontologia SKOS (Simple
Knowledge Organization System) [72]. SKOS è un’area di lavoro che
sviluppa specifiche e standard per supportare l’uso dei sistemi di
organizzazione della conoscenza (KOS) nel quadro del web semantico.
Iniziatosi a sviluppare dal luglio del 2003 all’interno del progetto SWAD-E
(Semantic Web Advanced Development for Europe), esso intendeva
definire un modello per thesaurus - un insieme di termini e di relazioni tra
essi, che costituiscono il lessico specialistico da usare per descrivere il
contenuto dei documenti pubblicati in un certo ambito disciplinare compatibile con gli standard ISO più importanti.
Il Meta-Modello di SKOS permette di definire concetti e concept-
schemes. Un concetto è un oggetto atomico, un’unità di pensiero che può
in qualche modo essere descritto o definito, mentre un concept-schema è
una collezione, un insieme di concetti. Come esempio di concetto possiamo
prendere qualsiasi “parola del vocabolario”, mentre un concept-schema è il
vocabolario inteso come lista di termini. Ogni concetto è identificato da
una label che ci permette di “accedere” al concetto. Le relazioni tra
concetti appartenenti allo stesso concept-schema sono definite come
relazioni semantiche, mentre relazioni tra concetti appartenenti a conceptschema diversi sono definite come “semantic mapping”.
Università degli Studi di Napoli “Federico II”
95
Ficetola Francesco
Semantica Project
Figura 3.5: Il Meta-Modello SKOS
SKOS è un framework molto utile ed interessante per collegare strumenti di
indicizzazione semantica tradizionali, che sono un patrimonio di tecniche
molto sofisticato e valido sviluppato nel corso di oltre un secolo di ricerche,
con le recenti tecnologie telematiche ed in particolare il Web.
Dunque, sul
facsimile di SKOS,
tratteremo un
dominio
come
un
ConceptScheme, ovvero come insieme costituito da concetti. Un Concept
sarà un’idea astratta o una nozione, un’unità di pensiero. I concetti
all’interno di un dominio saranno collegati fra di loro tramite delle proprietà
chiamate
SemanticRelation.
In
realtà
SemanticRelation
è
una
superproprietà che ha tre specializzazioni:
broader: punta verso un concetto più generico del
concetto descritto (il concetto descritto è un child per il
concetto);
narrower: punta verso un concetto più specifico di quello
descritto (il concetto descritto è un parent per il concetto);
related: indica una generica relazione semantica a cui
viene assegnato un nome.
Università degli Studi di Napoli “Federico II”
96
Ficetola Francesco
Semantica Project
Ogni concetto ha una label e un insieme di significati collegati presi dal
centro dei significati, ognuno dei quali con un peso w appartenente a [0,1].
●
ontologia per i contesti: permette la costruzione di descrizioni del
contesto di una risorsa informativa. Il linguaggio utilizzato è sempre N-RDF,
che viene però strutturato secondo l’ontologia. Una descrizione si compone
di una parte dichiarativa e una parte descrittiva. La parte dichiarativa
permette di definire le entità locali che saranno usate nel contesto e
saranno attribuite ad esse delle proprietà. Ad esempio, se nella descrizione
vogliamo fare riferimento ad una certa entità chiamata Napoleone, la
definiamo tramite N-RDF come istanza del significato “persona” e ne
elenchiamo le proprietà utili.
La parte descrittiva permette invece di
enunciare dei fatti tramite triple N-RDF. Queste fatti servono per
inquadrare l’informazione all’interno di un contesto. L’insieme delle parti
dichiarativa e descrittiva costituisce il contesto informativo.
3.10 La Knowledge Base
La rappresentazione della conoscenza è un insieme di convenzioni e
formalismi per esprimere la conoscenza. Una buona rappresentazione della
conoscenza può facilitare la soluzione di un problema riducendone la complessità.
Il problema è generale e non nuovo ed è affrontato in vari settori, quali: linguaggi
di programmazione, intelligenza artificiale, base di dati, ecc. [73]
Tuttavia, non esiste una teoria sulla rappresentazione della conoscenza e un
modello uniforme che la rappresenti. Le caratteristiche di un metodo di
rappresentazione sono:
a) potenza espressiva: capacità di esprimere in modo completo vari
domini di conoscenza con differenti caratteristiche;
b) facile comprensione della notazione;
c) efficienza: capacità di strutturare la conoscenza in modo che ne
venga facilitato e velocizzato l’utilizzo e l’accesso durante la
risoluzione del problema evitando ridondanze;
d) flessibilità, modificabilità, estensibilità: che costituiscono
caratteristiche essenziali per una base di conoscenza.
Università degli Studi di Napoli “Federico II”
97
Ficetola Francesco
Semantica Project
I metodi per la rappresentazione della conoscenza sono:
logica dei predicati: semanticamente ben definita, altamente
dichiarativa, apparato deduttivo assolutamente generale. La
base della conoscenza è costituita da una collezione di
asserzioni della logica dei predicati del primo ordine; le
regole di inferenza permettono di dedurre nuove asserzioni
(teoremi) non esplicitamente contenute nella base di
conoscenza iniziale.
Frames e reti semantiche: metodi di rappresentazione ad
oggetti, ampiamente influenzati dalla logica dei predicati.
Nell’articolo [74], viene mostrato il ruolo dei metadati e le caratteristiche
fondamentali di RDF visti come strumenti “vitali” per la rappresentazione della
conoscenza in maniera comprensibile alla macchina e per porre le basi al Semantic
Web.
Nella nostra macchina semantica, la Knowledge Base contiene la
conoscenza codificata rispetto alle ontologie viste in precedenza. Essa è suddivisa in:
✔
repository di risorse informative: contiene le risorse informatiche
che la macchina può condividere con il mondo esterno;
✔
entità riconosciute: istanze dei significati del centro dei significati
che vengono utilizzate nella parte descrittiva del contesto
informativo. Tale componente mette a disposizione delle
primitive in grado di leggere le proprietà di un’entità, esaminare
le relazioni semantiche, aggiungere o cancellare entità, cercare
entità, determinare se esiste una relazione semantica fra due o
più entità;
✔
contesti: vengono memorizzati all’interno della KB. Essi vengono
usati come supporto in tutte le operazioni che coinvolgono
l’interpretazione delle informazioni;
✔
domini: rappresentano le concettualizzazioni di specifici settori
della conoscenza della macchina. Tale componente mette a
disposizione delle primitive per la navigazione concettuale di un
dominio e la gestione dell’evoluzione delle conoscenze ivi
Università degli Studi di Napoli “Federico II”
98
Ficetola Francesco
Semantica Project
contenute;
✔
contenitori informativi: rappresentano informazioni che il sistema
possiede. Ogni contenitore informativo contiene la descrizione
del
tipo di
informazione
e
l’insieme
dei
segni
che
la
compongono.
3.11 Modello di comunicazione della macchina semantica
In questo paragrafo si intende elaborare un modello di comunicazione
che preservi la semantica, partendo dai seguenti presupposti:
l’informazione deve essere strutturata in segni, segno (come abbiamo
visto) inteso come una coppia (s, m), dove s appartiene ad un insieme di
significanti S ed m ad un insieme di significati M;
il modello di trasmissione adottato è quello di Shannon-Weaver : l’insieme
dei significanti S viene codificato in un insieme di simboli e i simboli
vengono trasmessi lungo il canale. In ricezione, il destinatario riceve i
simboli e applica un processo di decodifica per risalire dall’insieme dei
simboli all’insieme dei significati. La sorgente codifica solo il significante (e
non i significati).
Figura 3.6: Modello di comunicazione della macchina semantica
Per recuperare il significato, e quindi ricostruire la corrispondenza (s, m)
abbiamo deciso di adottare per la trasmissione semantica il modello
Università degli Studi di Napoli “Federico II”
99
Ficetola Francesco
Semantica Project
semiotico-informazionale di Eco, in cui il compito di ricostruire la coppia è
affidato al destinatario dotato di capacità ermeneutiche, in grado cioè di
interpretare il senso prodotto dal mittente a partire dai significati
riconosciuti e dal contesto della comunicazione.
Partendo da questi presupposti, il modello di comunicazione adottato,
che si può inquadrare all’interno dei moduli metasemiotici proposti da Nauta. Qui i
soggetti coinvolti sono due:
1. macchina semantica, che funge da destinatario della comunicazione;
2. risorsa informativa, che funge da mittente.
In realtà, i ruoli potrebbero interscambiarsi, ma la risorsa è vista come un’entità
attiva nel processo di comunicazione, che avvia di sua iniziativa la trasmissione.
La trasmissione si articola in due fasi:
1. la fase di decisione : consiste nel determinare per ogni significante s il
significato m inteso dal mittente (significazione);
2. la fase di interpretazione : consiste nel collegare l’informazione appena
decodificata alla conoscenza del sistema (vi è informazione quando vi è
aumento della conoscenza [MacKay]).
Approfondiamo teoricamente le due fasi, partendo da quella di decisione.
La fase di decisione si basa sull’assunzione che i significanti trasmessi raramente
sono tra di loro indipendenti e quindi, studiando tutte le possibili relazioni
semantiche fra i significanti, è possibile risalire al significato originario.
Mostriamo di seguito un algoritmo proposto come soluzione del problema
di Natural Language Processing, noto come Word Sense Disambiguation, che
consiste nel determinare per ogni parola di un testo il suo significato più probabile
tramite l’ontologia [75] (nel nostro caso l’ontologia potrebbe essere fornita da
Wordnet o altre come vedremo).
Tale algoritmo è noto come Maximum Relatedness Disambiguation (MRD):
Università degli Studi di Napoli “Federico II”
100
Ficetola Francesco
Semantica Project
foreach meaning mti of target signifier st
{
set scorei = 0
foreach signifier sj in context_window
{
skip to next_signifier if j==t
foreach meaning mjk of sj
{
temp_score[j] = relatedness(mti,mjk)
}
winning_score = maximum (temp_score[])
if (winning_score > threshold)
then scorei += winning_score
}
}
select mti that scorei is the maximum of score[]
Questo algoritmo lavora su una context-window, ovvero una finestra che contiene
n significati e si sposta sull’insieme dei significati man mano che l’algoritmo
procede. La sua dimensione dipende dall’informazione che si sta trattando (nel
caso di informazioni testuali, la lunghezza media potrebbe essere quella di una
frase).
La funzione relatedness è una funzione di similarità semantica che dati due
sensi restituisce un valore reale che ne indica la similarità. Esistono diverse
metriche in letteratura per misurare la similarità semantica e si rimanda alle due
pubblicazioni [76] e [77] per approfondimenti sugli algoritmi di WSD, su quello di
MRD e sulle misure di relatedness e similarity. Tutte le misure lavorano su ontologie
che descrivono il dominio cui appartiene la coppia di sensi e sono indipendenti dal
significante.
Università degli Studi di Napoli “Federico II”
101
Ficetola Francesco
Semantica Project
La risorsa informativa partecipa attivamente al processo di decisione del mittente,
in due modi:
1. tramite l’invio del contesto informativo le cui informazioni possono essere
utilizzate per guidare il processo di disambiguazione;
2. la risorsa informativa può rispondere a queries nelle quali il destinatario
chiede esplicitamente qual è il significato di un certo significante.
La fase di interpretazione, che avviene a valle della decisione, consiste a sua
volte di due fasi: la prima fase è quella del collegamento dell’informazione ad un
certo dominio (determinazione dell’intorno cognitivo) e consiste nel modificare i
domini contenuti nella knowledge base in maniera tale da rappresentare anche il
dominio informativo della risorsa appena acquisita. Per intorno cognitivo si intende
l’insieme dei concetti che riguardano una determinata informazione. Affinché la
determinazione sia valida, è necessario che la risorsa informativa e la macchina
semantica siano allineate, ovvero abbiano la stessa visione dell’intorno cognitivo.
Tuttavia, non ci dilunghiamo su tali concetti, ai quali si può far riferimento al lavoro
di Caropreso. Ci interessa solo sapere che la fase di determinazione è condotta da
un protocollo di negoziazione, rappresentato tramite degli automi a stati finiti
([36], p. 106).
Una volta che le macchine sono allineate, è necessario procedere alla
determinazione dell’intorno materiale, tramite l’invio da parte del mittente del
contesto informatico della risorsa. Questo invio viene evitato se nella fase di
decodifica la macchina ha già inviato il contesto. Il destinatario effettua un
processo di riconoscimento delle entità contenute all’interno della descrizione del
contesto. Se le entità non vengono riconosciute, allora esse vengono aggiunte alla
conoscenza del sistema. Nel caso in cui la descrizione del contesto rimandi ad
entità non dichiarate nella parte dichiarativa del contesto informativo il destinatario
può richiedere al mittente di inviare le informazioni mancanti.
Una volta terminate le due determinazioni degli intorni cognitivi e materiali
l’informazione è stata interpretata. Il mittente invia tutte le componenti
dell’informazione e il destinatario le aggiunge alla knowledge base. Ogniqualvolta
una componente viene aggiunta, essa viene legata alla porzione di dati che
secondo l’ontologia presenta la massima similarità semantica.
Università degli Studi di Napoli “Federico II”
102
Ficetola Francesco
Semantica Project
3.12 Verso il prototipo di macchina semantica
In questo capitolo abbiamo introdotto i modelli e le tecnologie utilizzate
per la successiva progettazione ed implementazione della nostra macchina
semantica. Nel capitolo successivo utilizzeremo questi concetti per realizzare e
sperimentare il nostro prototipo di macchina semantica.
L’applicazione, seppur qui indipendente dal dominio applicativo, verrà calata
all’interno di un caso pratico: quello del retrieval semantico dei learning
objects e della generazione automatica dei corsi, obiettivi di questa tesi.
Da notare che i campi applicativi della macchina semantica possono essere i più
disparati, essendo le problematiche e le soluzioni provenienti dal Semantic Web,
che tuttavia si pone ancora lontano da una possibile implementazione reale.
Università degli Studi di Napoli “Federico II”
103
Ficetola Francesco
Università degli Studi di Napoli “Federico II”
Semantica Project
104
Ficetola Francesco
Semantica Project
Capitolo 4
Semantica Project - progettazione ed implementazione
In questo capitolo si entra nel merito della progettazione del sistema
Semantica e della implementazione, sfruttando i requisiti, le tecnologie, i modelli
e le basi teoriche introdotte nei capitoli precedenti. Il mio apporto personale al
presente lavoro, iniziato splendidamente da Mario Caropreso, è stato quello di aver
ultimato l’implementazione del sistema e di costruire il web server per la successiva
sperimentazione.
Dunque, verrà prima introdotto il lavoro di progettazione, entrando nei dettagli
delle funzionalità dei moduli del sistema, delle scelte progettuali e dei criteri
utilizzati, tutti giustificabili dalle fondamenta teoriche da cui siamo partiti.
Come già anticipato, siamo passati dall’applicazione dell’approccio teorico
ad un caso pratico, che è quello dei retrieval semantico di learning object e
della generazione automatica di corsi didattici. La descrizione dei moduli verrà
correlata da diagrammi e schemi di progettazione, utili per capire l’interazione e la
struttura dell’intero progetto.
Il punto di partenza è stato quello di introdurre un modello teorico di macchina
semantica, come visto nel capitolo precedente, in grado di risolvere il problema
della perdita di significato durante la trasmissione di informazioni senza presentare
i problemi di flessibilità e interoperabilità degli approcci classici basati su ontologie.
Università degli Studi di Napoli “Federico II”
105
Ficetola Francesco
Semantica Project
L’approccio
proposto
vuole
essere
una
giustificazione
della
validità
epistemologica e metodologica dell’approccio che utilizza le ontologie di dominio.
Come tale, esso può essere applicato a qualunque dominio in cui sia richiesta una
gestione dell’informazione e della conoscenza.
4.1 Architettura logica di Semantica
Si propone l’architettura di alto livello del sistema Semantica per il
retrieval semantico di learning objects, basato sul modello di macchina semantica
descritto
nel
capitolo
precedente.
Descriviamo
nei
dettagli
ogni
singolo
componente della struttura per capire come funziona e come vengono
implementati i modelli finora trattati.
Figura 4.1: Architettura logica della macchina semantica
Università degli Studi di Napoli “Federico II”
106
Ficetola Francesco
Semantica Project
Il sistema tratta come risorse informative i learning objects (LOs) e li memorizza
all’interno del componente denominato Learning Object Repository (LOR). Il
Discovery si occupa di prelevare i LOs dal repository e di analizzare le risorse, al
fine di estrarre da essi un complesso di informazioni che costituiscono la
conoscenza racchiusa all’interno del learning object.
Il sistema divide le istanze (dati) dal modello concettuale, racchiudendo i primi
nella Knowledge Base e i secondi nelle ontologie (definendo gli schemi per la
base di conoscenza).
La conoscenza del sistema è memorizzata, quindi, all’interno di una Semantic
Knowledge Management System (KMS), grazie al quale il Discovery può
memorizzare nella base di conoscenza le informazioni estratte.
Il KMS esegue una operazione di indexing sulle informazioni ricevute, in maniera
tale da consentire la ricerca alle applicazioni richiedenti. La semantica dei dati
contenuti nella knowledge base viene formalizzata dall’Ontology Management
System (OMS), che contiene i modelli delle ontologie gestite dal sistema.
Il Web Server contiene le due applicazioni, ovvero quella di ricerca semantica e
quella di generazione automatica dei corsi.
Nei paragrafi successivi vengono approfonditi nei dettagli i diversi componenti del
sistema.
4.1.1 Learning Object Repository
Il LOR contiene i learning objects di Semantica.
Questo componente ignora il formato originario dei
LOs e il modo in cui vengono caricati nel repository,
per cui è possibile prelevare gli oggetti da qualunque
sorgente e poi inserirli nel sistema, riconducendoli al
formato previsto da Semantica.
Sulle orme del modello SCAM (Simple Content Aggregation Model) [78], il quale
fornisce un framework per la semplificazione dello storage e dell’accesso ai
Università degli Studi di Napoli “Federico II”
107
Ficetola Francesco
Semantica Project
metadati per differenti applicazioni - dividendoli in due insiemi di diversa
granularità (SCAM records e SCAM contexts) -, un learning object, in Semantica,
deve possedere una certa struttura per poter essere trattato:
Figura 4.2: Struttura di un learning object in Semantica
I learning objects vengono rappresentati in due modi dal sistema:
1. learning object come insieme di documenti (modalità non strutturata);
2. learning object come insieme di content unit (modalità strutturata).
Infatti, l’insieme dei documenti che costituiscono un learning object ne definiscono
il suo contenuto testuale, sul quale verranno effettuate le elaborazioni che
vedremo. Il Document è dunque un’unità testuale contenuta all’interno di una
risorsa didattica, che deve avere qualche attinenza con gli altri documenti dello
stesso LO, altrimenti l’algoritrmo di retrieval ha pessime prestazioni.
La collezione di documenti può essere non ordinata, in quanto ciò è irrilevante per
il sistema, che è interessato al contenuto informativo di una risorsa didattica e non
all’ordine.
SemanticTable e ContextKeySense. Il modello SCAM dà anche la possibilità di
associare al learning object una Semantic Table (tavola semantica) e una serie di
Context KeySense (sensi chiave del contesto).
Una tavola semantica è un insieme di coppie (T, S), dove T è un termine
Università degli Studi di Napoli “Federico II”
108
Ficetola Francesco
Semantica Project
appartenente al learning object ed S è un senso appartenente al dizionario.
Una tavola semantica permette di conoscere preventivamente il significato con cui
un determinato termine viene utilizzato all’interno del learning object, permettendo
di risolvere, senza applicare alcun algoritmo, le situazioni di ambiguità che possono
nascere per il fatto che alcuni termini possono avere più di un significato. Nel caso
in cui un termine compaia con la stessa forma ma con sensi diversi, la tavola
semantica permette di indicare esplicitamente quante volte il termine si presenta
con un senso e quante volte con un altro.
L’utente può associare ad un learning object una serie di sensi chiave, allo stesso
modo di come al giorno d’oggi si assegnano ad una pagina web delle parolechiave. I sensi-chiave vengono utilizzati nel processo di disambiguazione di un
testo. L’idea è quella di fare in modo che i sensi-chiave diano un’idea del contesto
dei termini utilizzati nel learning object, in maniera tale da consentire la giusta
interpretazione dei termini del documento.
La seconda modalità di rappresentazione di un learning object, lo vede
come un insieme di unità di contenuto più piccole, le content units. In questo
modo si dà una struttura al learning object, sfruttando la scomposizione
informatica di una informazione come previsto dal modello di macchina semantica.
Un’unità di contenuto è una porzione di testo di un learning object in grado di
esprimere un determinato concetto di apprendimento.
Da notare che le due modalità non sono esclusive e possono essere utilizzate
contemporaneamente. Esse costituiscono due viste di un learning object:
una vista strutturata, in quanto rappresenta il learning object come
collezione di unità di contenuto;
una vista non strutturata, in cui il learning object è una “semplice”
collezione di documenti.
Indipendentemente dalla vista usata, ad ogni risorsa è possibile associare delle
Binding Annotations, una sorta di metadato semantico (ovvero scritto secondo
una ontologia formale). Una binding annotation permette di legare un learning
object ad uno o più concetti presenti all’interno delle ontologie di dominio che
fanno parte del sistema, sfruttando quindi il dominio informativo di una
informazione.
Università degli Studi di Napoli “Federico II”
109
Ficetola Francesco
Semantica Project
Le applicazioni possono rivolgersi al Learning Object Repository per ottenere i
learning objects non ancora analizzati e possono decidere di prelevare tutto il
learning object o soltanto una particolare vista.
4.1.2 Il modulo Discovery
Il modulo Discovery ha il compito di analizzare i learning objects ed estrarvi
conoscenza da immagazzinare all’interno della knowledge base. Discovery si
compone di diversi moduli, ognuno atto ad tirar fuori un particolare tipo di
informazione.
Figura 4.3: Il modulo Discovery
Il modulo TextProcessing opera sulla vista non strutturata e ha il compito di
analizzare i documenti contenuti all’interno di un learning object e sottoporli ad una
serie di passi di elaborazione, al fine di ottenere una rappresentazione dell’oggetto
sotto forma di vettore di significati. Per ogni learning object il modulo fornisce in
output un vettore di triple detto vettore dei significati. Ogni tripla contiene un
termine del documento, il significato prelevato dal dizionario e la frequenza della
coppia termine-significato all’interno del documento.
Il modulo ContentUnitExtraction opera sulla vista strutturata di un learning
object e ha il compito di esaminare le content units che compongono la risorsa
didattica. Per ogni content unit trovata, il modulo crea un’istanza memorizzabile
all’interno della knowledge base.
Il modulo OntologyBindingResolver analizza le binding associations di un
Università degli Studi di Napoli “Federico II”
110
Ficetola Francesco
Semantica Project
learning object per determinare i concetti delle ontologie di dominio a cui esso si
riferisce. Per ogni binding association il modulo genera un’istruzione di
collegamento il cui scopo è quello di permettere alla knowledge base di associare il
learning object alla corretta ontologia.
Una volta che l’output dei tre moduli di Discovery è stato elaborato, il componente
accede al Knowledge Management System per memorizzare le informazioni
elaborate.
4.1.3 Semantic Knowledge Base (SKB)
Figura 4.4: Il modulo Semantic Knowledge Base
Qui vengono memorizzate tutte le informazioni che il sistema utilizza. Anche esso è
strutturato in sottomoduli, ognuno dei quali memorizza un tipo di informazione.
Il dizionario può essere definito come un’ontologia superiore linguistica e contiene
tutti i termini di una determinata lingua. Per ogni termine esso fornisce i suoi
possibili significati e definisce le relazioni semantiche fra i termini (le più importanti
delle quali sono la sinonimia, iperonimia/iponimia, metonimia/omonimia).
Nell’implementazione attuale del sistema, il dizionario utilizzato è WordNet [67]
per la lingua inglese, visto come estensione linguistica del centro dei significati
della macchina semantica.
Università degli Studi di Napoli “Federico II”
111
Ficetola Francesco
Semantica Project
Il lexicon tiene traccia di tutti i termini conosciuti dal sistema. Ogniqualvolta il
sistema incontra un nuovo termine, esso cerca di ricondurlo ad uno memorizzato
nel lexicon e gli assegna un identificativo univoco. Il lexicon tiene traccia sia dei
termini che sono presenti nel dizionario sia di quelli non presenti (come ad esempio
nomi di località, di persone).
Il term inverted index è la struttura dati scelta per la memorizzazione dei termini
contenuti nei documenti. Tale struttura dati prevede che per ogni termine
conosciuto dal sistema (e quindi presente nel lexicon) sia presente una lista, detta
posting list, che contiene gli identificativi dei learning objects in cui quel termine
viene utilizzato e la relativa frequenza.
Il semantic tuple space è il componente che permette la memorizzazione delle
unità di contenuto di cui si compone un learning object. Tale componente è
realizzato utilizzando il modello dello spazio delle tuple introdotto negli anni ’80 dal
sistema Linda. L’STS rappresenta l’astrazione di uno spazio di memoria virtuale
condiviso in cui le applicazioni possono scambiarsi dati tramite primitive di scrittura,
lettura e rimozione. I dati che vengono scambiati sono detti tuple. Una tupla
corrisponde ad un’unità di contenuto. Il modello è detto semantico perché le tuple
che possono essere scambiate sono descritte da un’apposita ontologia del sistema,
detta CuOnto. Questo comporta due implicazioni. La prima è che ogni tupla ha un
“significato”, un “ruolo”, all’interno dello spazio; la seconda è che lo spazio di
memoria virtualizzato dall’STS è uno spazio strutturato, in quanto le tuple sono in
relazione fra di loro. Tali relazioni sono sempre descritte dall’ontologia.
Il domain repository contiene le descrizioni dei domini del sistema. Un dominio
rappresenta una conoscenza di un certo ambito, rappresentata sotto forma di
insieme di concetti legati fra di loro.
Il binding repository è un componente il cui compito è quello di tenere traccia
delle associazioni fra i learning objects e i concetti contenuti all’interno del domain
repository.
Università degli Studi di Napoli “Federico II”
112
Ficetola Francesco
Semantica Project
4.1.4 Knowledge Management System
Figura 4.5: Il modulo Knowledge Management System
Il Knowledge Management System è il componente software che gestisce la
knowledge base semantica del sistema. Il compito di questo componente è quello
di fornire delle astrazioni dei diversi repository di conoscenza del sistema, offrendo
alle applicazioni dei metodi per l’aggiunta di nuova conoscenza, la navigazione
all’interno delle fonti di conoscenza e il recupero di informazioni tramite query.
Il knowledge indexer è il componente che ha la responsabilità di ricevere le
informazioni dal modulo Discovery e prepararle per la memorizzazione all’interno
della knowledge base.
Il tuple manager mette a disposizione le primitive per scrivere, leggere,
rimuovere tuple dallo spazio delle tuple ed eseguire ricerche.
Il term search permette di eseguire ricerche sull’inverted index che coinvolgono
uno o più termini.
Il dictionary browser, il lexicon access e il domain explorer sono dei wrapper
per il dizionario, il lexicon e il domain repository.
Università degli Studi di Napoli “Federico II”
113
Ficetola Francesco
Semantica Project
Il domain evolution permette l’aggiornamento dei domini del sistema.
Il retrieval model è un componente che permette al sistema di implementare
diverse modalità di retrieval dei dati contenuti all’interno della knowledge base.
4.1.5 Ontology Management System
Figura 4.6: Il modulo Ontology Management System
Il model holder permettere di caricare in memoria un modello di ontologia per
eseguire delle operazioni. Il componente utilizza un formato interno per la
rappresentazione delle ontologie basato su una struttura a grafo. Ciò permette il
caricamento di ontologie scritte in formati differenti - e non necessariamente in
OWL - separando l’OMS dalle modalità con cui le ontologie sono rappresentate.
Il DB Reader permette di leggere un’ontologia da un insieme di tabelle in un
database relazionale. La memorizzazione di un’ontologia all’interno di un database
comporta notevoli vantaggi. Infatti il sistema non ha la necessità di copiare il
contenuto dell’ontologia (che può contenere una mole notevole di dati) nella
memoria principale, ma può lasciarli nel database relazionale e creare una vista
ontologica dei dati, creando una sorta di ontologia virtuale. L’ontologia è virtuale
nel senso che non è materializzata, ma ogniqualvolta il sistema necessita di un
certo concetto accede direttamente al database. Questo modulo è realizzato
utilizzando le funzionalità del framework KAON 2 [79].
Università degli Studi di Napoli “Federico II”
114
Ficetola Francesco
Semantica Project
L’Ontology Explorer consente la navigazione all’interno dei concetti e delle
relazioni presenti all’interno di un’ontologia, permettendone la visualizzazione.
L’Ontology Query Service è un componente in grado di eseguire delle
interrogazioni sull’ontologia e fornire al richiedente i concetti che rispondono alla
query. Le queries sono formulate in SPARQL [34].
4.1.6 Le ontologie del sistema
Figura 4.7: Le ontologie del sistema Semantica
Nel capitolo 2, abbiamo già introdotto due ontologie utilizzate dalla macchina
semantica, ovvero la Cuonto e la Domonto.
Queste ontologie forniscono la semantica dei dati contenuti all’interno della
Knowledge Base. Quindi, le ontologie in possesso del sistema sono:
un sottoinsieme dell’ontologia dell’informazione la cui radice è la
definizione di unità di contenuto, denominata Cuonto;
l’ontologia di dominio Domonto;
una serie di ontologie specifiche dell’applicazione denominate
Pedagogical Strategies.
Università degli Studi di Napoli “Federico II”
115
Ficetola Francesco
Semantica Project
Figura 4.8: Una ontologia del sistema Semantica: CuONTO
L’ontologia Cuonto è una task ontology che descrive la semantica delle content
units che compongono un learning object.
Come è possibile vedere nel capitolo 2, l’ontologia individua diverse classi che
hanno una radice in comune denominata ContentUnit, distinguendo poi le unità di
contenuto in due macrocategorie: Fundamental e Auxiliary.
Essa è modellata a partire dall’ontologia pedagogica di Ullrich, a cui si rimanda per
ulteriori informazioni sulle classi [80].
L’ontologia definisce proprietà in grado di identificare, annotare e collegare tra di
loro le content units. In particolare, le proprietà hasText ed hasTitle permettono di
collegare una content unit ad un testo effettivo e di darle un titolo.
Inoltre, hasDocument indica l’identificativo del documento a cui la content unit fa
riferimento. Altre proprietà indicano il contesto in cui operano le content units
(come hasField, hasLearningContext, ecc.), tenendo traccia del ruolo pedagogico
Università degli Studi di Napoli “Federico II”
116
Ficetola Francesco
Semantica Project
svolto dalla content unit.
La struttura viene definita dalle proprietà isFor e inverseFor (per collegare oggetti
di tipo Auxiliary a quelli di tipo Fundamental) e isA
e inverseIsA (per definire
gerarchie IS-A). La propedeuticità tra content units può essere definita grazie alle
proprietà isRequiredBy / requires.
Non approfondiamo ulteriormente l’ontologia Domonto poiché già se ne è parlato
nel Capitolo 3 a proposito dell’ontologia SKOS. Rimandiamo ad un riferimento utile
che parla dell'ontologia Alocom, che mira a creare un’architettura per il riutilizzo
dei learning objects in maniera flessibile, per permettere il riutilizzo degli stessi,
anche con un approccio a grana fine [81].
Il sistema può gestire diversi approcci per la generazione dinamica di corsi di
apprendimento, utilizzando il materiale presente all’interno della Knowledge
Base. Per questo scopo si serve di una strategia pedagogica. Una strategia
pedagogica è un insieme di regole che stabiliscono come scegliere le content
units per comporre un corso. Vedremo meglio in seguito come si applica tale
strategia per la generazione automatica dei corsi.
4.2 Preprocessing del testo
Prima di descrivere i dettagli sul funzionamento del modulo Discovery,
responsabile di prelevare i contenuti dal repository ed estrarre da essi conoscenza
(Discovery sta appunto per “Scopritore” di conoscenza), vogliamo introdurre un
argomento su cui esiste molta letteratura: il preprocessing testuale dei contenuti
informativi ([16] [82]).
Questa fase è fondamentale e presente in tutte le architetture dei moderni sistemi
di information retrieval:
Università degli Studi di Napoli “Federico II”
117
Ficetola Francesco
Semantica Project
Figura 4.9: Architettura di un sistema di Informational Retrieval
Il preprocessing consiste in un processo, che precede la fase di
elaborazione delle queries, per ottimizzare la lista dei termini, che identificano una
collezione. Questa ottimizzazione può essere ottenuta eliminando quei termini che
sono poveri di informazioni. Durante questa fase possono essere eseguite tutte o
parte delle seguenti operazioni sul testo:
-
analisi lessicale del testo: è il processo di convertire la serie di
caratteri formanti il testo del documento in una serie di parole
candidate per essere termini indice. Così, uno dei maggior obiettivi
della fase dell'analisi lessicale e l'identificazione delle parole nel testo.
Questo avviene attraverso il trattamento della punteggiatura, delle cifre
e delle lettere maiuscole e minuscole;
-
eliminazione delle stopwords: ha come obiettivo la selezione delle
parole, attraverso la rimozione di quelle considerate inutili per il
recupero. Di solito le parole candidate ad essere Stopwords sono gli
articoli, le preposizioni e le congiunzioni. Un vantaggio dell'eliminazione
delle Stopwords è la riduzione della dimensione della struttura di
indicizzazione. Stopwords può essere estesa includendo, oltre agli
articoli, alle preposizioni e congiunzioni, anche alcuni verbi, avverbi ed
aggettivi di uso frequente, anche se questo potrebbe ridurre il Recall.
Università degli Studi di Napoli “Federico II”
118
Ficetola Francesco
Semantica Project
Per esempio, pensiamo ad un utente che voglia cercare i documenti
contenenti la frase “to be or not to be” : l'eliminazione delle Stopwords
porta a considerare solo il termine be, rendendo quasi impossibile il
riconoscimento dei documenti che contengono la frase esatta. Questo
è uno dei motivi per cui alcuni motori di ricerca preferiscono inserire
tutte le parole del documento come termine indice;
-
stemming delle parole rimanenti: al fine di considerare parole che
hanno varianti morfologiche diverse come una unica parola, ma con
simile interpretazione semantica, è utile l'operazione di stemming.
Questa sostituisce ad una parola il suo rispettivo stem. Uno stem è la
porzione di parola ottenuta rimuovendo prefissi e suffissi. Un esempio
tipico è la parola connect che è lo stem per le sue varianti connected,
connecting, connection e connections. Lo stemming è utile per
migliorare la performance di un sistema di Information Retrieval, in
quanto riduce le varianti di una stessa parola-radice ad un concetto
comune. Inoltre, questa operazione presenta il vantaggio di ridurre il
numero dei termini indici che identificano una collezione, con la
conseguente
riduzione
della
dimensione
della
struttura
di
indicizzazione. Nonostante questi vantaggi, in Information Retrieval ci
sono state delle dispute riguardo ai benefici dello stemming sulle
performance del recupero; risultati di diversi studi hanno portato
conclusioni contrastanti sull'uso dello stemming [83], anche se
attualmente sembra essere quello che dia i risultati migliori;
-
selezione dei termini indice: dato un insieme di termini per un
documento, non tutti i termini sono ugualmente utili per descrivere il
contenuto del documento. Infatti, vi sono dei termini che possono
meno rappresentativi di altri. Decidere sull'importanza di un termine
per riassumere il contenuto di un documento non è un problema
banale. Una tecnica molto semplice consiste nel selezionare le parole
più frequenti all'interno del documento, anche se il contrario, ovvero
che le parole meno frequenti siano meno importanti, non è sempre
vero: infatti, una parola fondamentale per il contenuto del documento
potrebbe comparire esclusivamente nel titolo e non essere più ripetuta
all'interno del documento.
Università degli Studi di Napoli “Federico II”
119
Ficetola Francesco
Semantica Project
Lemmatizzazione e lemmatizzazione semantica
Il processo di lemmatizzazione consiste nel ricondurre una parola in una
forma flessa o coniugata nel lemma corrispondente: il lemma è una forma
“canonica” della parola, che può essere trovata in un dizionario. I lemmi
corrispondenti ai nomi hanno la forma singolare (ad esempio, il lemma di sedie è
sedia), quelli corrispondenti agli aggettivi hanno la forma singolare maschile (ad
esempio, il lemma di belle è bello), e quelli corrispondenti ai verbi hanno la forma
dell'infinito del verbo (ad esempio, il lemma di mangio è mangiare).
Se il dizionario utilizzato contiene anche informazioni semantiche (come l'ontologia
WordNet descritta nel capitolo precedente), è possibile passare dal lemma ad una
rappresentazione semantica, che in WordNet viene chiamata Synset. Il passaggio
dal lemma alla semantica non è semplice, per via del problema della polisemia. Per
esempio la parola calcio può avere più significati: lo sport, l'elemento chimico, la
parte di un'arma o un'azione compiuta calciando. L'unico modo per consentire a
ciascuna parola un unico significato consiste nell'effettuare la disambiguazione
semantica, come abbiamo visto (word sense disambiguation).
4.3 Indexing dei Learning Objects
Per indicizzazione (indexing) si intende l’attività di individuazione di
keywords. Esistono diverse tecniche di indexing, tra cui la inverted file, suffix array
e signature files. Nel nostro progetto abbiamo utilizzato soltanto la tecnica
inverted file, la più diffusa e utilizzate nell’ambito dell’IR. Per le altre tecniche si
rimanda a [84].
Un inverted file o inverted index è un meccanismo orientato alle parole per
indicizzare una collezione di testo con lo scopo di velocizzare l’operazione di ricerca.
La struttura dell'inverted file è composta da due elementi: il vocabolario e le
occorrenze. Il vocabolario è l’insieme di tutte le parole nel testo e per ognuna di
queste viene conservata una lista di tutte le posizioni nel testo dove essa compare.
L’insieme di tutte queste liste viene chiamato occorrenze.
Università degli Studi di Napoli “Federico II”
120
Ficetola Francesco
Semantica Project
Le posizioni possono far riferimento a caratteri o a parole. Le posizioni relative alle
parole semplificano le queries, mentre quelle relative ai caratteri facilitano l’accesso
diretto alle posizioni corrispondenti nel testo.
Figura 4.10: Esempio di inverted index
Introdotti i precedenti concetti, elaborazione testuale e inverted file, entriamo ora
nei dettagli del funzionamento del modulo Discovery, il quale, come già detto, è
responsabile del prelievo dei contenuti dal repository e dell’estrazione della
conoscenza. Le informazioni raccolte dal modulo sono rappresentate da tre vettori:
1
vettore dei significati;
2
vettore delle content units;
3
vettore delle binding annotations.
4.3.1 Vettore dei significati
Figura 4.11: Il vettore dei significati
Questo vettore è costituito da tre elementi:
✔
termine del learning object;
✔
significato di termine prelevato dal dizionario;
✔
frequenza della coppia termine-significato all’interno del learning object.
Università degli Studi di Napoli “Federico II”
121
Ficetola Francesco
Semantica Project
Ricordando la struttura del Discovery, il componente TextProcessing è il
responsabile dell’estrazione dei vettori di significati dai learning objects. Il linguistic
preprocessing, condotto in questo componente, ha lo scopo di creare classi di
equivalenza fra i termini del documento per ricondurli ai termini del dizionario.
Nel seguente diagramma viene riportata la sequenza delle attività di tale
componente:
Figura 4.12: TextProcessing Operations
Università degli Studi di Napoli “Federico II”
122
Ficetola Francesco
Semantica Project
(Fase 1) Tokenization: trasforma il documento testuale in una collezione di
termini, detti token, individuandoli grazie agli spazi e ai segni di punteggiatura.
(Fase 2) Stop Word Removal: dal vettore dei token ottenuto vengono eliminati
tutti i token corrispondenti a parole contenute all’interno di una lista di parole da
rimuovere (stopword list).
(Fase 3) Lemmatization: l’approccio da noi utilizzato prevede di utilizzare la
lemmatization tramite WordNet (in luogo dello stemming) per riportare ciascun
termine alla sua forma non flessa. WordNet implementa una strategia mista per la
ricerca dei termini, ovvero applica un algoritmo di stemming che va avanti finché
non viene trovata una forma presente nel database. Il vettore dei termini viene così
ampliato aggiungendo per ogni termine la sua index word, che è una parola che
rappresenta una entry all’interno del database lessicale WordNet e che rappresenta
una forma non flessa presente nel dizionario che può essere associata ad uno o più
termini presenti all’interno del documento. Nel caso in cui una parola del
documento non sia riconducile a nessuna index word presente all’interno del
dizionario, essa non sarà associata a nessun termine indice.
(Fase 4) Lexicon Binding: consiste nel legare le coppie termini-index al lessico
contenuto nella Knowledge Base. Se una parola non è contenuta nel lexicon allora
essa viene aggiunta e viene creato un nuovo identificativo.
(Fase 5) Part-of-Speech Tagging: bisogna effettuare un’analisi morfo-sintattica
del documento: ogni parola può, infatti, avere un significato diverso a seconda del
fatto di essere usata come aggettivo, nome, avverbio o verbo.
Il problema di etichettatura delle parti del discorso è visto come un problema di
classificazione su cui esiste numerosa letteratura ed è il più studiato nel campo del
Natural Language Processing [85].
Per realizzare questa fase, ci siamo serviti di un algoritmo sviluppato dallo Stanford
NLP Group denominato Log-linear Part-of-Speech Tagger [86].
Determinata, quindi, l’etichetta POS per ogni termine del vettore dei termini, siamo
in grado di accedere a WordNet per ottenere, per ciascun termine, i significati che
esso ha nel lessico.
Università degli Studi di Napoli “Federico II”
123
Ficetola Francesco
Semantica Project
(Fase 6) Semantic Table Association: sorge così il problema che molti termini
non hanno un significato univoco, ma presentano una pluralità di sensi. Inoltre, la
sostituzione di un termine con il suo significato può comportare una perdita di
informazione e un’aggiunta di rumore alla rappresentazione, motivo per cui è
importante scegliere il senso di un termine.
Dunque, l’approccio usato è quello di applicare al vettore che si intende costruire la
tavola semantica del learning object. I termini che non sono presenti nella tavola
semantica saranno quelli che verranno sottoposti al processo di disambiguazione,
che costituisce la fase seguente.
(Fase 7) Word Sense Disambiguation: come già anticipato, abbiamo adottato
un algoritmo di disambiguazione basato sul contesto, ovvero individuare il senso di
un termine considerando anche i sensi dei termini vicini che forniscono il contesto
in cui un senso viene usato. L’algoritmo è quello di cui abbiamo parlato nel capitolo
precedente, ovvero il Maximum Relatedness Disambiguation previsto dal
modello di macchina semantica [77].
Tale algoritmo considera per ogni termine tutti i suoi possibili sensi e per ciascuno
di essi calcola la similarità semantica fra il senso in questione e ognuno dei sensi
delle parole vicine alla parola in esame. Le parole i cui sensi vengono considerati
sono tutte quelle contenute all’interno di una finestra di dimensione n detta
context-window. Alla context-windows vengono aggiunti anche i context-keysense
del learning object, se presenti.
Al termine del processo viene selezionato il senso che riporta la massima similarità
semantica con i sensi delle parole vicine.
La funzione di similarità semantica adottata è quella di Wu-Palmer [76], la quale
individua il least common ancestor dei due concetti (LCA), ovvero il più specifico
significato che i due significati condividono come antenato. La lunghezza del
percorso dalla radice all’LCA viene scalato dalla somma delle profondità dei due
concetti, secondo la formula:
simil s , t =
2∗depthlca
depth s ∗deptht
Una volta che per ogni termine è stato individuato il senso corrispondente, alle
index words presenti nel vettore si sostituiscono i relativi sensi. Il processo di WSD
non è completamente automatico, proprio perché l’utente può guidare il processo
Università degli Studi di Napoli “Federico II”
124
Ficetola Francesco
Semantica Project
di disambiguazione di un learning object utilizzando i due strumenti visti in
precedenza: tavola semantica e ContextKeySense.
(Fase 8-9) Sense Vector Representation e Scoring: una volta elaborato il
vettore dei sensi di un documento si passa ad ottenere un nuovo vettore ottenuto
aggregando i significati identici ed assegnando ad ogni significato la sua frequenza
all’interno del documento a cui appartiene. Tale frequenza viene denominata Sense
Document Frequency (SDF). Una volta che il sistema ha elaborato i vettori dei
sensi per ogni singolo documento, passa alla fusione di tali vettori secondo un
meccanismo di aggregazione dei sensi uguali, ottenendo il vettore dei sensi per il
learning object. Tale vettore dei sensi riporta per ogni significato la sua frequenza
aggregata, detta sense aggregate document frequency (SADF), che è uguale
alla somma delle frequenze con cui il significato compare nei singoli documenti.
Inoltre, il sistema associa ad ogni significato la sua densità all’interno della risorsa
didattica. La densità di un significato (sense density) è uguale alla sua SADF
diviso il numero totale di sensi contenuti nel learning object, scalata per l’inverso
del numero di documenti che compongono il learning object:
sensed s=
SADF s
∣S∣∗∣D∣
dove |S| è il numero di sensi contenuti in un learning object e |D| è il numero di
documenti contenuti all’interno di un learning object.
Il vettore risultante conterrà quindi per ogni entry senso, learning object,
documento, sadf, sensed.
Figura 4.13: Vettore risultante del TextProcessing
Università degli Studi di Napoli “Federico II”
125
Ficetola Francesco
Semantica Project
4.3.2 Vettore delle Content Units
Il compito di estrarre da un learning object le sue content units è del componente
denominato Content Unit Extraction. Le unità di contenuto permettono di
definire la struttura e il significato di un documento, ma la loro definizione richiede
un approccio semiautomatico.
Figura 4.14: Vettore delle content units
L’approccio semiautomatico che utilizziamo è quello dell'annotazione semantica,
che non è altro che una nota formale aggiunta ad una specifica parte del testo.
“Annotare semanticamente” una risorsa è, come abbiamo visto, il processo di
collegamento delle entità presenti nel testo alla loro descrizione semantica. Ogni
learning object del nostro sistema viene quindi accompagnato da un insieme di
triple RDF che ne costituiscono l’annotazione. Il componente preleva il file RDF
delle annotazioni e le elabora. Per ogni istanza di un concetto il sistema crea una
corrispondente unità di contenuto e la inserisce all’interno del vettore delle unità di
contenuto.
Per quanto riguarda le proprietà delle istanze che contengono testo (come la
descrizione o il titolo), l’approccio è di trasformare tali campi testuali in vettori dei
significati. Questo vettore viene quindi memorizzato in una tabella che riporta
l’identificativo del termine, l’identificativo del significato (se c’è) e l’identificativo
dell’unità di contenuto in cui compare.
4.3.3 Vettore delle binding annotations
Un learning object può contenere delle indicazioni che servono a collegarlo ad una
o più ontologie di dominio. Come abbiamo visto, queste indicazioni vengono dette
Binding
Annotations.
Ogni
binding
annotation
(BA)
contiene
il
nome
dell’ontologia di dominio e il nome del concetto contenuto. Quando il sistema trova
che per un learning object sono presenti delle Binding Annotation invoca il
Università degli Studi di Napoli “Federico II”
126
Ficetola Francesco
Semantica Project
componente Ontology Binding Revolver, il cui compito è di estrarle e creare
degli oggetti detti istruzioni di binding che permettono alla knowledge base di
memorizzarle.
Figura 4.15: Vettore delle binding annotations
4.3.4 Memorizzazione nella knowledge base
L’output del componente Discovery viene inviato successivamente al Knowledge
Management System, per la memorizzazione a cura del componente chiamato
Knowledge Indexer. Questo componente dirige il processo di memorizzazione in
questo modo: 1) i vettori di significati vengono memorizzati all’interno del Term
Inverted Index; 2) il vettore delle Content Units viene elaborato e ogni content unit
viene inserita all’interno del Semantic Tuple Space; 3) il vettore delle istruzioni di
binding viene eseguito e i legami vengono memorizzati all’interno del Binding
Manager.
4.4 I modelli di retrieval di learning object e approcci per la
generazione automatica di corsi
In questo paragrafo vengono introdotti, senza entrare nei dettagli, i
modelli di retrieval di learning objects implementati nel sistema Semantica e
gli approcci per la generazione automatica di corsi didattici. Tutti i modelli
verranno
approfonditi
nei
dettagli
in
seguito,
quando
si
descriverà
l’implementazione del sistema nel Web Server.
Adesso ci interessa sapere che i modelli di retrieval previsti in Semantica sono 3 e
che gli approcci per il courseware generation sono 2 (combinano i modelli di
retrieval e ne sfruttano i risultati). Ogni modello sfrutta un tipo di informazione
contenuta all’interno della knowledge base ed è in grado di soddisfare uno o più
requisiti dell’utente.
Università degli Studi di Napoli “Federico II”
127
Ficetola Francesco
Semantica Project
I modelli di retrieval di learning objects sono:
1. Sense Boolean Retrieval Model (SBRM): simile al meccanismo
tradizionale utilizzato dai motori di ricerca, con la differenza che lavora sui
sensi e non sulla rappresentazione lessicografica del termine;
2. Content Unit Retrieval Model (CURM): permette di cercare un learning
object sulla base delle unità di contenuto che possiede;
3. Ontology Driven Retrieval Model (ODRM): cerca i learning objects
sulla base dei concetti di un’ontologia di dominio che contiene.
Le informazioni contenute all’interno della Knowledge Base possono essere
utilizzate per assemblare dinamicamente i learning objects e creare dei corsi
personalizzati. L’utente può utilizzare due meccanismi per la generazione
automatica dei corsi. Essi differiscono per la modalità con cui l’utente sceglie i
learning objects componenti:
1. ContentUnit Adaptative Courseware Generation (CUACG): utilizza il
modello CURM per il retrieval dei learning objects e prevede la possibilità di
generare automaticamente dei corsi didattici permettendo all’utente di
definire in maniera precisa gli obiettivi di apprendimento, le conoscenze già
acquisite e i vincoli. Infine, viene applicata una strategia pedagogica nella
fase finale di generazione.
2. Ontology Driven Adaptive Courseware Generation (ODACG): utilizza
il modello ODRM per il retrieval di learning objects da utilizzare per la
generazione automatica dei corsi. Permette all’utente di navigare nella
knowledge base e di selezionare un dominio in cui generare il corso. In tale
dominio, sceglierà i concetti che corrisponderanno a determinati learning
objects, assemblati nel corso nella fase finale.
Per ulteriori approfondimenti, si segnalano qui alcuni articoli che trattano i
precedenti modelli e alcuni approcci alla generazione dei corsi:
●
per il Sense Boolean Retrieval Model si segnalano gli articoli [87] e [88];
●
per il Content Unit Retrieval Model si segnala il capitolo scritto da Rob
Koper sulle tecniche di combinazione e il riuso di contenuti didattici [89];
●
per l’Ontology Driven Retrieval Model si segnala l’articolo [90] e il libro
Università degli Studi di Napoli “Federico II”
128
Ficetola Francesco
Semantica Project
[91];
●
esempi ed approcci per la generazione automatica di corsi didattici rilevanti
sono si trovano in [92], [93 e [94];
4.5 Progettazione ed implementazione
In questo paragrafo viene trattata l’implementazione dell’architettura logica
del sistema Semantica, i cui requisiti fondamentali sono:
ricerca di learning objects sia in base al contenuto sia in base al contesto di
apprendimento in cui la risorsa si può inserire;
assemblaggio dinamico di learning objects per creare corsi completi sulla
base di richieste dell’utente: conoscenze da acquisire, conoscenze già
acquisite, vincoli temporali.
Le tecnologie e i patterns utilizzati per l’implementazione del progetto sono
descritte nell’Appendice di questa tesi e qui semplicemente enumerate:
l'implementazione dell’architettura logica della macchina semantica è
stata effettuata secondo i canoni della programmazione ad oggetti e,
dunque, si è utilizzato JAVA [95]. Inoltre, Java è stato utilizzato per
la programmazione del lato controller della web application in cui è
stata calata la macchina semantica (JAVA servlet);
il database scelto per la gestione dei dati dell’architettura logica e del
web server (quest’ultimo descritto in seguito) è Oracle 10g [96];
i patterns di progettazione utilizzati sono: Domain Model [97], Data
Transfer Object [99], Strategy [98], Singleton [100], e per la
progettazione del web server, il pattern Model-View-Controller [101];
il web server utilizzato è Apache Tomcat 5.5 [102], essendo le
pagine della web application scritte interamente in codice JSP
(JavaServletPages) [103], oltre che chiaramente in HTML;
per la persistenza dei dati è stato utilizzato il framework IBATIS
[104], che implementa il pattern Domain Model;
il sistema è realizzato secondo un’architettura distribuita. Dunque,
per permettere ai vari oggetti di comunicare è stato utilizzato il
middleware RMI (RemoteMethodInvocation) [105];
Università degli Studi di Napoli “Federico II”
129
Ficetola Francesco
Semantica Project
per la connessione al database lessicale WordNet ci siamo serviti
della libreria JWordNet [106] e per la gestione della persistenza dei
modelli ontologici, nonché per la manipolazione degli stessi e la
creazione di documenti RDF e interrogazioni SPARQL ci siamo serviti
del framework Java JENA, già discusso nei capitoli precedenti [33].
Per dettagli relativi alla progettazione e all’approccio intrapreso (costituito da un
high level design e low level design) fare riferimento alla tesi di Mario Caropreso
[36].
Il mio personale apporto al lavoro di implementazione è stato quello di
ultimare i modelli di retrieval - il CURM e l’ODRM, in particolare -, cercando un
modo per poterli combinare e fornire così una migliore affidabilità nel retrieval dei
learning objects e la successiva implementazione dei due approcci di generazione
dei corsi (l’ODACG e il CUACG), prevedendo una proposta semiautomatica e
completamente automatica. Il tutto è stato poi integrato in un Portale Web, per
fornire un primo esempio di utilizzo del sistema Semantica, realizzando quello che
abbiamo chiamato Semantica Project, che possiamo dividere in tre parti:
realizzazione del modello di macchina semantica;
progettazione ed implementazione della macchina “reale” Semantica;
integrazione della macchina in un Portale Web, per sperimentazione
e futuro utilizzo per il trattamento dei contenuti didattici di Ateneo.
4.5.1 Il modello dei sottosistemi
Il modello di progettazione adottato è quello del software distribuito, il quale
consente di definire una buona modularità ed indipendenza dei componenti, un
aumento della coesione degli stessi, una riduzione dell’accoppiamento grazie alle
interfacce di comunicazione, un aumento dell’astrazione ed elevata flessibilità.
Il modello dei sottosistemi (ovvero la divisione del sistema in componenti) è
descritto dal seguente schema:
Università degli Studi di Napoli “Federico II”
130
Ficetola Francesco
Semantica Project
Figura 4.16: Diagramma delle componenti del sistema Semantica
Di seguito verranno “esplosi” i diagrammi dei singoli componenti, organizzati
secondo una progettazione modulare. Non tutti i moduli descritti nell’architettura
logica e del modello di macchina semantica sono stati implementati. Si rimanda al
Capitolo 4 della tesi di Mario Caropreso per scoprire i dettagli.
Nei paragrafi seguenti, oltre ai diagrammi dei componenti, verranno inseriti anche i
diagrammi delle classi, con la corrispondenza tra i moduli implementati e quelli
corrispondenti dell’architettura logica.
4.5.2 Diagrammi del Knowledge Management System
Modulo
implementato
Moduli corrispondenti
dell’architettura
Indexer
Corrisponde al modulo KnowledgeIndexer
BindingManager
Corrisponde al modulo BindingManager
DomainExplorer
Corrisponde al modulo DomainExplorer
SemanticTupleSpace
Corrisponde al modulo TupleManager
RetrievalModel
Corrisponde al modulo RetrievalModel
Dictionary
Corrisponde al modulo DictionaryBrowser
OntologyManager
Modulo di supporto per la manipolazione di
ontologie; non corrisponde a nessun modulo
dell’architettura;
CoursewareGeneration
Contiene la business logic per la generazione
automatica di corsi didattici; non corrisponde a
nessun modulo dell’architettura
Università degli Studi di Napoli “Federico II”
131
Ficetola Francesco
Semantica Project
Figura 4.17: Diagrammi del Knowledge Management System
4.5.3 Diagrammi dell’ Ontology Management System
Modulo
implementato
Moduli corrispondenti
dell’architettura
ModelHolder
Corrisponde al modulo ModelHolder
OntologyModelManager
Permette la manipolazione di un’ontologia;
realizza le funzionalità dei moduli
OntologyExplorer, Ontology Query Service e
DatabaseReader
Università degli Studi di Napoli “Federico II”
132
Ficetola Francesco
Semantica Project
4.5.4 Diagrammi del Discovery
Figura 4.18: Diagrammi del Discovery
Modulo
implementato
Moduli corrispondenti
dell’architettura
TextProcessing
Corrisponde al modulo TextProcessing
ContentUnitExtraction
Corrisponde al modulo ContentUnitExtraction
N-RDF Extraction
Corrisponde al modulo N-RDFExtraction
OntologyBindingResolver
Corrisponde al modulo OntologyBindingResolver
Crawler
Questo modulo preleva i learning object dai
learning object repository
TextProcessingChain
Questo modulo realizza le funzioni di
elaborazione testuale
Indexer
Questo modulo permette di memorizzare la
conoscenza prodotta all’interno della Knowledge
Base
Università degli Studi di Napoli “Federico II”
133
Ficetola Francesco
Semantica Project
4.5.5 Diagrammi del Learning Object Repository
Figura 4.19: Diagrammi del Learning Object Repository
Il componente Retriever si occupa di prelevare i learning object. Il componente
Entity rappresenta il domain model del LOR ed è strutturato secondo il pattern del
DomainModel. Esso si occupa di gestire gli aspetti legati alla persistenza degli
oggetti didattici.
4.6 I diagrammi delle classi e delle tabelle principali di Semantica
Di seguito, riportiamo il diagramma del classi principali del sistema Semantica e
delle tabelle del database. Per maggiori dettagli su tutti i package e le classi del
sistema vedi [36] e la documentazione allegata al software.
Mostriamo soltanto i diagrammi UML dei moduli fondamentali del sistema, quali
KMS, Discovery, SLOR, OMS, TextProcessing, Retrieval Model e Courseware
Generation Model, e le tabelle principali del sistema Semantica.
Università degli Studi di Napoli “Federico II”
134
Ficetola Francesco
Università degli Studi di Napoli “Federico II”
Semantica Project
135
Ficetola Francesco
Università degli Studi di Napoli “Federico II”
Semantica Project
136
Ficetola Francesco
Università degli Studi di Napoli “Federico II”
Semantica Project
137
Ficetola Francesco
Università degli Studi di Napoli “Federico II”
Semantica Project
138
Ficetola Francesco
Università degli Studi di Napoli “Federico II”
Semantica Project
139
Ficetola Francesco
Università degli Studi di Napoli “Federico II”
Semantica Project
140
Ficetola Francesco
Università degli Studi di Napoli “Federico II”
Semantica Project
141
Ficetola Francesco
Semantica Project
Tabelle principali del sistema Semantica
Università degli Studi di Napoli “Federico II”
142
Ficetola Francesco
Università degli Studi di Napoli “Federico II”
Semantica Project
143
Ficetola Francesco
Semantica Project
Capitolo 5
I moduli della Web Application Semantica
In
questo capitolo si approfondisce la struttura modulare della web
application Semantica, la quale integra tutte le caratteristiche e le classi progettate
ed implementate nei capitoli precedenti. La web application è stata realizzata in
modo tale da permettere una facile integrazione con qualunque piattaforma elearning, prevedendo un modulo di interfaccia che permetta di acquisire e
scambiare i dati con quest'ultima.
Infatti, ogni componente è inserito in moduli indipendenti ed interoperanti, in modo
da rispettare la progettazione e i pattern previsti. Inoltre, il pattern utilizzato per la
realizzazione della web application è il Model-View-Controller (MVC) [101], nel
quale si mantiene separata la presentazione dei dati all’utente finale dalla business
logic del sistema e dal modello dei dati.
Il web server utilizzato è Apache Tomcat, il quale offre un ambiente di
deployment e di esecuzione delle servlet e delle pagine JSP dell’applicazione. Il
tutto
verrà
approfondito
di
seguito,
scendendo
nei
dettagli
anche
del
funzionamento dei modelli di retrieval e di generazione dei corsi e prevedendo
esempi d’uso dei moduli stessi all’interno del web server.
L'approfondimento
di
questi
modelli,
che
costituiscono
la
business
logic
dell'applicazione, è stato affrontato di proposito nel capitolo finale di questa tesi
per fornire esempi, diagrammi e screenshots dei diversi componenti che
costituiscono la web application.
Università degli Studi di Napoli “Federico II”
144
Ficetola Francesco
Semantica Project
Si inizia, dunque, dai modelli di retrieval e dalle scelte progettuali e “pratiche” che
sono state adottate per permettere la ricerca dei learning objects e l’assemblaggio
dei contenuti didattici per la generazione automatica e semiautomatica di corsi.
Ecco uno screenshot della pagina di home della web application:
Figura 5.1: Home Page della web application Semantica
5.1
I moduli di retrieval della web application
La web application rende possibile l’utilizzo dei diversi meccanismi di retrieval
di learning objects. Le informazioni vengono prelevate dalla knowledge base,
fisicamente definita nel database con cui la web application scambia i dati.
Università degli Studi di Napoli “Federico II”
145
Ficetola Francesco
Semantica Project
Come già detto nel capitolo precedente, i tre modelli di retrieval sono:
1. Sense Boolean Retrieval Model: inserito nell’omonimo modulo
SBR (SBR module)
2. Content Unit Retrieval Model: anch’esso nel modulo omonimo
CUR (CUR module)
3. Ontology Driven Retrieval Model: implementato nel modulo ODR
(ODR module)
Approfondiamo di seguito i modelli e la progettazione dei moduli della web
application, rimandando alla documentazione allegata al software per i dettagli
relativi al funzionamento di ogni singolo componente del sistema.
Figura 5.2: Pannello principale della web application Semantica
Università degli Studi di Napoli “Federico II”
146
Ficetola Francesco
Semantica Project
5.1.1 Modulo di ricerca basato sul Sense Boolean Retrieval Model (SBRM)
I modelli di Sense Boolean Retrieval è una estensione del meccanismo
tradizionale di ricerca di tipo sintattico. L’utente costruisce la SenseQuery,
assemblando (attraverso una procedura guidata) più termini che saranno collegati
tra di loro tramite operatori booleani. La nostra proposta è una estensione del
modello booleano di retrieval con la differenza che non lavora sui termini, bensì sui
loro sensi.
Ricordando il meccanismo di processing testuale visto per la fase di indexing dei
learning objects, la Semantic Knowledge Base memorizzerà in un’apposita struttura
dati detta Term Inverted Index, il vettore dei significati. Il sistema costruisce cioè in
fase di indexing una sorta di spazio in cui ogni learning object viene rappresentato
come un vettore (di significati, appunto).
In fase di retrieval, l’utente costruisce la SenseQuery semplicemente seguendo
una procedura guidata che permette di indicare per ogni suo termine il senso
(prelevato dal dizionario WordNet).
Figura 5.3: Il modulo del Sense Boolean Retrieval Model
Università degli Studi di Napoli “Federico II”
147
Ficetola Francesco
Semantica Project
Le singole parole chiave che formano la SenseQuery sono legate da connettivi
booleani.
In questo modo la query viene trasformata in un vettore dei sensi, che viene
inviato al sistema per poter trovare la giusta corrispondenza con un vettore dei
significati della KB.
I sensi per i quali esiste una corrispondenza nella KB sono definiti sensi vincenti.
Dall’elenco dei sensi il sistema estrae un elenco dei learning objects che
contengono i sensi vincenti. Ad ogni learning object viene attribuito un punteggio p
pari alla somma delle densità di significato dei sensi vincenti.
A partire dal vettore dei sensi vincenti il sistema individua tutti i sensi presenti
all’interno di un learning object che sono collegati con i sensi vincenti da un
percorso di lunghezza 1 all’interno del dizionario. Questi sensi sono detti sensi
vincenti secondari. Il sistema aggiunge al punteggio p precedentemente calcolato
le sense density dei sensi vincenti secondari. Ogni sense query secondaria viene
pesata secondo un valore che tiene conto del tipo di relazione semantica esistente
fra il senso vincente e il senso secondario.
La formula per il rank di un learning object è la seguente:
n
m
i=0
k=0
p=rank lo=∑ sensd s i ∑ sensd s k ∗weight rel si , s k
dove
si , i = 0 ... n, è l’insieme dei sensi vincenti,
s k , k = 0 ... m, è l’insieme
dei sensi vincenti secondari (sensi che distano 1 da un qualunque senso vincente,
rel s i , s k è una funzione che restituisce il tipo di legame semantico fra il primo
termine e il secondo termine e weigth(r) è una funzione che restituisce un numero
reale w(0,1) tale che:
–
se il senso vincente è iponimo del senso secondario (relazione di iponimia)
allora weigth(r)=0.8 ;
–
se il senso vincente è parte del senso secondario (relazione di meronimia)
allora weigth(r)=0.5 ;
–
se il senso vincente comprende il senso secondario (relazione di olonimia)
allora weigth(r)=0.5;
–
se il senso vincente è iperonimo (relazione di iperonimia) del termine
secondario allora weigth(r)=0.4;
Università degli Studi di Napoli “Federico II”
148
Ficetola Francesco
Semantica Project
Si dà, dunque, maggiore peso alla relazione di iponimia, in quanto se il senso
vincente è un iponimo del senso secondario allora il senso secondario è più
generico del senso vincente, e quindi la densità concettuale del senso secondario è
anche la densità concettuale del senso vincente (gerarchia IS-A). La relazione di
iperonimia ha peso inferiore per la regola inversa: non si può dire che una istanza
del padre sia anche del figlio. Le relazioni di meronimia/omonimia aggiungono
informazioni addizionali e quindi hanno un peso intermedio.
Figura 5.4: Risultati del Sense Boolean Retrieval Model
Università degli Studi di Napoli “Federico II”
149
Ficetola Francesco
Semantica Project
5.1.2 Modulo di ricerca basato sul Content Unit Retrieval Model (CURM)
La seconda metodologia di ricerca è basata sulle tecniche del Web
Semantico, e in particolare di annotazione semantica tramite RDF ed ontologie
OWL.
Lo scopo di questa metodologia è consentire una ricerca di learning object sulla
base delle unità di contenuto (content unit).
Figura 5.5: Content Unit Retrieval Model (CURM)
In fase di retrieval, l’utente sottopone al sistema una query che viene costruita
usando l’approccio Query-by-Example (QBE), che è un metodo di creazione della
query in cui l’utente ricerca contenuti in base ad esempi espliciti (nel nostro caso
una select di categorie didattiche), ovvero oggetti di esempio dell’ontologia
CuONTO.
In questo modo si evita di chiedere all’utente di digitare delle query esplicite in
linguaggio SPARQL per l’interrogazione dell’ontologia didattica CuONTO; sarà il
sistema a formattare nel linguaggio formale la query dell’utente e sottoporla al
Tuple Manager.
Università degli Studi di Napoli “Federico II”
150
Ficetola Francesco
Semantica Project
Figura 5.6: Il modulo del Content Unit Retrieval Model
Per ognuno di questi oggetti di esempio l’utente specifica delle proprietà che
gli oggetti da trovare dovranno rispettare. Il modulo CURM implementato nella
web application chiede di specificare due proprietà per la ricerca dei learning
objects:
1. la categoria dell’unità di contenuto
2. l’argomento cui questa unità di contenuto dovrà trattare
In realtà, il modello CURM poteva essere dotato di altre modalità, tra cui quella
basata sul contesto; ovvero, si poteva permettere la scelta di alcune content unit
all’interno della knowledge semantica e cercare altre content unit che presentino le
content unit selezionate come valori per le proprietà contestuali o strutturali. Ad
esempio, l’utente può selezionare una content unit specifica e chiedere di ottenere
tutte le content unit la cui proprietà requires ha come valore proprio la content unit
iniziale (propedeuticità).
Università degli Studi di Napoli “Federico II”
151
Ficetola Francesco
Semantica Project
Il modulo CURM è stato, tuttavia, riadattato per la generazione
automatica e semiautomatica dei corsi: come vedremo, invece di restituire
l’elenco dei learning objects, esso permetterà di restituire anche le content unit che
soddisfano una serie di vincoli e di strategie pedagogiche, con relative
propedeuticità. Per cui verranno utilizzate, per l’imposizione dei vincoli, le proprietà
degli oggetti dell’ontologia CuONTO (in questo primo modello di esempio, sono
state utilizzate le sole proprietà hasText e type).
L’approccio introdotto per migliorare le prestazioni del modello CURM, che
altrimenti si ridurrebbe (per le cose dette finora) ad una semplice ricerca dei
learning objects sulla base di annotazioni esplicite date in fase di editing
(dall’autore dei learning objects) , è stato quello di collegarlo al modello SBR.
Infatti, l’argomento che viene specificato dall’utente e che costituisce il valore della
proprietà hasText (dell’ontologia CuONTO) viene sottoposto all’SBRM (chiedendo
all’utente di indicare il senso del termine), il quale restituirà l’elenco delle content
unit in cui quell’argomento viene trattato. Dunque, verranno restituiti due elenchi
di content unit: uno dal vero e proprio CURM, in base alle categorie di unità di
contenuto cercate, e uno dall’SBRM, in base all’argomento trattato. L’intersezione
tra i due elenchi ci darà le unità di contenuto prelevate dal Semantic Tuple Space
che soddisfano la query inviata (categoria+argomento).
In effetti, collegando il CURM al modello booleano, si compie un ulteriore
passo elaborativo: le proprietà testuali (nel nostro caso la sola proprietà hasText)
indicano al sistema di accedere alla tabella costruita in fase di indexing per le
stesse proprietà (il modulo Discovery effettua un SBRM anche sulla proprietà
hasText delle annotazioni delle unità di contenuto).
La query viene, dunque, trasformata dal sistema in una query SPARQL e restituirà
un unico elenco di unità di contenuto (intersezione) che la soddisfano. A questo
punto, il sistema carica i learning object che contengono le unità di contenuto
vincenti ed associa ad ogni learning object un punteggio p. Tale punteggio dipende
dal numero di unità di contenuto vincenti trovate nell’LO moltiplicato per il numero
di unità di contenuto proprie di quel LO diviso per il numero di unità di contenuto
vincenti totali:
p=rank lo=
n.cu.vincenti [ lo]∗n.cu[lo]
n.cu.vincenti [totale]
I learning object risultanti vengono ordinanti secondo il rank e restituiti all’utente
secondo tale ordine.
Università degli Studi di Napoli “Federico II”
152
Ficetola Francesco
Semantica Project
Figura 5.7: Risultati del Content Unit Retrieval Model
5.1.3 Modulo di ricerca basato sull’Ontology Driven Retrieval Model (ODRM)
Tale modalità fa uso massiccio di ontologie. In particolare, l’approccio
utilizza le ontologie di dominio per descrivere i diversi domini della didattica.
In fase di retrieval, l’utente seleziona un'ontologia di dominio e poi uno o più
concetti (istanze della classe Concept).
Figura 5.8: ODRM: costruzione del Conceptual Information Need Vector
Università degli Studi di Napoli “Federico II”
153
Ficetola Francesco
Semantica Project
Si definisce così una query complessa e si sceglie successivamente tra due opzioni
di ricerca.
Figura 5.9: Il modulo dell'Ontology Driven Retrieval Model
La prima modalità (modalità esplicita) limita la ricerca soltanto a learning object
che siano stati esplicitamente collegati ai concetti dell’ontologia di dominio tramite
Binding Annotations.
L’utente costruisce il Conceptual Information Need vector, prelevando i concetti
dall’ontologia di dominio. In questo caso il sistema accede alla tabella delle Binding
Annotations e cerca tutti i learning objects che contengano istanze dei concetti
forniti dalla query.
Università degli Studi di Napoli “Federico II”
154
Ficetola Francesco
Semantica Project
Figura 5.10: Il risultato dell'Ontology Driven Retrieval Model (modalità esplicita)
La seconda modalità (modalità non esplicita) abilita la ricerca anche a learning
object non esplicitamente annotati. In questo caso il sistema preleva per ogni
concetto della query la lista dei sensi collegati ed accede ai vettori dei sensi dei
documenti che sono stati creati con l’approccio Sense Boolean Retrieval Model. In
pratica, questa opzione fa in modo che la query da sottoporre al sistema e valida
per l’approccio del modello SBR venga generata in maniera del tutto automatica a
partire dai concetti definiti all’interno dell’ontologia di dominio (infatti in fase di
editing, l’analista di dominio dovrà indicare per ogni concetto il corrispondente
senso prelevato dal dizionario). In questo caso, sono i concetti a fornire i sensi, e
non l’utente.
Università degli Studi di Napoli “Federico II”
155
Ficetola Francesco
Semantica Project
Figura 5.11: Il risultato dell'Ontology Driven Retrieval Model (modalità non esplicita)
In entrambi i casi, il sistema restituisce un elenco dei learning objects che
contengono i concetti scelti dall’utente nella preparazione della query.
In questa versione demo di Semantica, è presente un solo dominio, ovvero quello
dell’ Informatic Archeology, e tutti i concetti ad esso collegati. L’elenco dei
concetti di tale dominio viene presentato in entrambe le opzioni di ricerca e guida il
processo di retrieval. Per rendere più funzionale e completo l’ODRM occorrerebbe
permettere all’utente di navigare, tramite interfaccia grafica, all’interno delle
ontologie di dominio, e quindi servirebbe un apposito modulo che permetta al
sistema di caricare più ontologie di dominio e presentarle all’utente finale.
Università degli Studi di Napoli “Federico II”
156
Ficetola Francesco
Semantica Project
5.2 Approcci e moduli per la generazione dei corsi didattici
Il sistema Semantica, oltre ad offrire una interfaccia per il retrieval dei
learning object, è impiegato sperimentalmente per la generazione dei corsi
didattici, sfruttando proprio i meccanismi di ricerca visti precedentemente.
La web application permette, appunto, la scelta dell’approccio di courseware
generation, mediante due meccanismi:
-
meccanismo di generazione semiautomatica dei corsi: l’utente
viene guidato passo passo nella realizzazione dei corsi, utilizzando in
modo combinato tutti i modelli e gli approcci implementati nel sistema.
In questo modo può sfruttare i vantaggi di ogni singolo modello di
retrieval e reperire il materiale didattica sulla base di una ricerca per
argomento, per content unit oppure per concetti di dominio;
-
meccanismo di generazione automatica di corsi: si sfrutta il
modello di ricerca per content unit, definendo una serie di vincoli e di
strategie di apprendimento. L’utente indicherà tali requisiti in fase di
retrieval ed il sistema in modo automatico restituirà un elenco di unità
didattiche inserite nel corso creato.
Figura 5.12: Courseware Generation (pannello di gestione dei corsi)
Università degli Studi di Napoli “Federico II”
157
Ficetola Francesco
Semantica Project
Prima di descrivere i moduli per la generazione dei corsi, introduciamo i
due approcci che vengono sfruttati per ottenere questo obiettivo: il ContentUnit
Adaptive Courseware Generation (CUACG) e l’Ontology Driver Adaptive
Courseware Generation (ODACG), così come descritti in [36]. Entrambi sfruttano
le informazioni contenute all’interno della knowledge base in modo da assemblare
dinamicamente i learning object e creare dei corsi personalizzati. I due approcci
differiscono per la modalità in cui l’utente sceglie i learning object componenti.
5.2.1 Il modello Content Unit Adaptive Courseware Generation (CUACG)
Il modello CUACG utilizza il modello CURM per il retrieval dei learning
object. Il modello CUACG prevede la possibilità di generare automaticamente
corsi didattici permettendo all’utente di definire in maniera precisa gli obiettivi di
apprendimento. Infatti, l’utente dovrà scegliere gli obiettivi di apprendimento, le
conoscenze già acquisite e i vincoli.
Un obiettivo di apprendimento è l’acquisizione di una determinata content unit.
L’utente può definire le content unit da acquisire tramite due metodi (come
vedremo nei moduli). Il primo prevede una navigazione all’interno della Knowledge
Base e successiva scelta delle content units; il secondo prevede una ricerca
all’interno della knowledge base secondo il modello CURM.
In entrambi i casi il risultato è un insieme di content unit da acquisire. Con lo
stesso tipo di approccio seleziona le conoscenze già acquisite, ovvero quelle
content unit da considerare già in possesso dell’utente. Infine, l’utente può indicare
dei vincoli sulle proprietà che le content unit devono possedere. Questi vincoli
riguardano le proprietà contestuali, come ad esempio il tempo di apprendimento,
difficoltà, la natura dell’unità, il grado di istruzione per il quale è stata prevista.
Una volta che sono stati scelti i tre fattori di input richiesti dal sistema viene
eseguito l’algoritmo Reverse Course Generation, il cui pseudocodice è riportato
di seguito:
Università degli Studi di Napoli “Federico II”
158
Ficetola Francesco
Semantica Project
ReverseCourseGeneration
Input: un insieme U di unità di contenuto da acquisire, un insieme P di unità di
contenuto di partenza, un insieme V di vincoli, una strategia pedagogica da
applicare
Output: un insieme di learning object ordinati
begin
cuSet = generateContentUnitSet (U, P, V)
course = applyPedagogicalStrategy(cuSet, strategy);
return course;
end
L’algoritmo procede in due fasi. Nella prima fase viene generato un insieme
di content units che soddisfino i vincoli del problema. In una seconda fase l’insieme
di content unit viene manipolato per essere trasformato in un insieme di learning
object
ordinati. Questa operazione è fatta con il supporto di una strategia
pedagogica. Una strategia pedagogica è un insieme di regole che stabiliscono
come scegliere le content unit. Ad esempio, quante unità didattiche appartenente
ad una certa categoria inserire nel corso, oppure si potrebbe volere che ogni
oggetto Fundamental sia accompagnato da un certo numero di oggetti Auxiliary,
presi con un certo ordine.
La prima fase dell’algoritmo è gestita dalla procedura GenerateContentUnitSet,
la quale riceve come input:
1. un insieme di unità di contenuto da acquisire
2. un insieme di unità di contenuto di partenza
3. un insieme di vincoli
L’output finale della procedura sarà un insieme di content units che verranno
assemblate per formare il corso. Il processo di selezione delle content units tende
ad evitare che per ogni corso le content units da acquisire non siano già state
inserite nel corso stesso (già acquisite). Inoltre, se una content unit è richiesta
(requires) da un'altra, la procedura restituirà anche quella propedeutica (purché
non già acquisita).
Università degli Studi di Napoli “Federico II”
159
Ficetola Francesco
Semantica Project
Su questo pool di content unit viene fatta una successiva selezione in base ai
vincoli imposti dall’utente, per restituire soltanto quelle che soddisfino tali vincoli. A
questo punto viene eseguita la procedura ApplyPedagogicalStrategy, che
ricevute in ingresso l’insieme delle content units selezionate e una strategia
pedagogica, restituisce un insieme di learning objects ordinati.
In realtà, l’output finale di questa fase dovrebbe essere costituito dalle
unità di contenuto più che dai learning objects in sé. Infatti, essendo un learning
object un insieme di documenti e, dunque, di unità di contenuto, l’utente potrebbe
essere interessato ad una parte di un “contenitore” più ampio qual è il learning
object stesso. Per tale motivo è stato deciso di fare questa modifica concettuale
all’algoritmo di ReverseGeneration, che rimane tuttavia il principio ispiratore
utilizzato per l’implementazione del modulo di courseware generation di Semantica.
Non riportiamo qui gli pseudocodici delle procedure ([36] pgg. 133-137), avendo
utilizzato soltanto il principio di funzionamento dell’algoritmo e adattandolo al caso
pratico della web application. Infatti, la definizione della strategia pedagogica non è
implicita nel modello, ma è prevista nel modulo di generazione dei corsi, come
vedremo.
Università degli Studi di Napoli “Federico II”
160
Ficetola Francesco
Semantica Project
5.2.2 Il modello Ontology Driven Adaptive Courseware Generation (ODACG)
Il modello ODACG utilizza il modello ODRM per il retrieval di learning
objects. L’utente naviga attraverso la knownledge base e seleziona un dominio
(ConceptScheme) in cui generare il corso. Il sistema mostra all’utente la lista dei
concetti presenti in quel determinato dominio e l’utente seleziona se desidera
generare un corso che copra un certo insieme di concetti.
Sulla base dei concetti il sistema usa il modello ODRM e preleva i learning objects
appartenenti al dominio e li ordina secondo la successione definita nella gerarchia
di dominio.
Il corso così assemblato viene fornito all’utente. Poiché basato sul modello ODRM,
il modello ODACG è stato collegato alla sua prima modalità, ovvero quella che si
basa sulle binding annotations esplicite dei learning object. Tuttavia, per una futura
ottimizzazione si potrà prevedere l’utilizzo della seconda modalità, permettendo
l’applicazione dell’SBRM ai concetti dell’ontologia di dominio preventivamente scelta
dall’utente in fase di retrieval.
Volendo
esaminare
i
dettagli,
l'utente
costruisce
il
Conceptual
Information Need vector con tutti i concetti che desidera dall'ontologia di
dominio. A questo punto il sistema interroga, mediante il modello ODRM in
modalità esplicita (prima modalità) la knowledge base per il retrieval dei learning
objects collegati a tali concetti.
A questo punto viene innescato l'algoritmo dell'ODACG che itera sui concetti
costruendo una query concettuale per ogni concetto. Tale query viene sottoposta
all'ODRM il quale restituirà tutti i LOs collegati ad essa.
L'algoritmo effettua una nuova iterazione sui concetti per verificare se ognuno di
essi sia già stato soddisfatto (in tal caso passa ad esaminare altri concetti).
Dunque, vengono restituiti soltanto quei learning objects i cui concetti non siano
già stati soddisfatti, selezionando fra tutti i LOs quello con il punteggio massimo.
Tutti i concetti che vengono coperti da tale LO vengono considerati soddisfatti.
Dunque, il risultato dell'algoritmo ODACG sarà il solo LO con il punteggio
massimo (tra quelli restituiti dallo stesso modello ODRM in modalità esplicita).
Vedremo il funzionamento del modulo ODACG in seguito.
Università degli Studi di Napoli “Federico II”
161
Ficetola Francesco
Semantica Project
Figura 5.13: I modelli di Courseware Generation
5.2.3 Il modulo di generazione semiautomatica dei corsi
Passiamo adesso alla descrizione dei moduli della web application che
implementano i due modelli visti in precedenza per la generazione dei corsi. Come
anticipato, la generazione può essere guidata dall’utente, che seleziona il modello
di retrieval o l’approccio di courseware generation, per singole o multiple content
units.
In questo modo l’utente può sfruttare i vantaggi di ogni singolo modello ed
effettuare delle ricerche per argomento, concetto o tipologia di content unit.
Figura 5.14: Modalità semiautomatica di Courseware Generation
Università degli Studi di Napoli “Federico II”
162
Ficetola Francesco
Semantica Project
Come è possibile vedere in figura, il modulo chiede all’utente la modalità di
retrieval per la selezione delle unità di contenuto. Dunque, verrà collegato ad uno
dei modelli trattati e selezionerà una per una le content units da acquisire, secondo
un approccio che prende spunto dal CUACG, in cui se l’utente ha già acquisito in un
corso una determinata content unit, non potrà riacquisirla di nuovo.
Avendo già spiegato il funzionamento di tutti e tre i moduli di retrieval (SBRM,
CURM, ODRM) passiamo a puntualizzare le caratteristiche salienti e le scelte
progettuali dei moduli di CUACG e ODACG.
Per quanto riguarda il modulo CUACG, come già detto nel modello, l’utente dovrà
impostare dei vincoli (constraints) sulle unità di contenuto. Tali vincoli saranno i
valori delle proprietà definite nell’ontologia CuONTO che viene appunto utilizzata
dal CUACG.
Figura 5.15: Modalità semiautomatica di Course Generation: i vincoli del CUACG
Università degli Studi di Napoli “Federico II”
163
Ficetola Francesco
Semantica Project
In questo modo l’utente definisce un obiettivo di apprendimento, in cui
prepara il sistema a delle query guidate (approccio simile alle Query-by-Example),
definendo il valore di alcune, tutte o nessuna proprietà dell’ontologia didattica. La
business logic che implementa il modello CUACG riceverà, dunque, un set di
vincoli, cercherà le content units che soddisferanno quei vincoli e scarterà da tale
set le content units precedentemente acquisite nel corso dell’utente (algoritmo
ReverseCourseGeneration). Non è prevista qui la definizione della strategia
pedagogica, inserita invece nel modulo di generazione automatica dei corsi: infatti,
sarà l’utente a selezionare le unità di contenuto, una per una, da inserire nel corso
da generare. Ovviamente, è prevista anche la modifica del singolo corso didattico,
sfruttando sempre il courseware generator
in modalità semiautomatica (anche
dopo aver creato in modo automatico il corso), selezionandolo da un’apposita lista
dei corsi dell’utente (edit course).
Figura 5.16: Risultati del CUACG secondo l'approccio semiautomatico (esempio:
vincoli delle content unit: Category – Definition; Difficult - Medium)
Università degli Studi di Napoli “Federico II”
164
Ficetola Francesco
Semantica Project
Il modulo ODACG, che sfrutta il modello omonimo basato sull’ODRM,
permette
all’utente
di
navigare
tra
i
concetti
dell’ontologia
di
dominio
preventivamente caricata nel sistema. L’utente costruisce il Conceptual Information
Need vector, prelevando i concetti dall’ontologia di dominio.
A questo punto il modulo si collega alla prima modalità dell’ODRM, che effettua il
retrieval di tutti quei learning objects che sono stati annotati con delle binding
annotations esplicitamente in fase di editing dei contenuti (vedi in seguito, Editing
dei contenuti didattici).
Per una futura ottimizzazione sarebbe funzionale l’introduzione di un modulo di
caricamento di più ontologie di dominio sia per l’ODRM che per l’ODACG. In questo
modo l’utente potrà navigare tra i concetti di domini diversi e interrogare il sistema
solo per quegli ambiti applicativi.
Inoltre, si potrebbe collegare il modello ODACG alla seconda modalità dell’ODRM,
in cui si ricercano i contenuti didattici sulla base dei significati dei concetti
dell’ontologia di dominio (anche se i learning object non siano stati esplicitamente
annotati con binding annotations).
Figura 5.17: Modalità semiautomatica di Courseware Generation: il modulo ODACG
Università degli Studi di Napoli “Federico II”
165
Ficetola Francesco
Semantica Project
Figura 5.18: Risultati del modulo ODACG di Courseware Generation
5.2.4 Il modulo di generazione automatica dei corsi
Il secondo approccio previsto per la generazione dei corsi è automatico. In
questa
procedura
l’utente
dovrà
specificare
soltanto
gli
obiettivi
di
apprendimento, i vincoli e la strategia pedagogica. Per questo motivo ci
siamo basati esclusivamente sul modello CUACG per l’implementazione del
modulo AUTOGEN. Non è stato utilizzato in tale ambito il modello ODACG perché
poco funzionale e meno performante del CUACG. Inoltre, quest’ultimo permette di
ricercare in maniera più accurata una serie di contenuti sulla base dei valori delle
proprietà contestuali delle content units, annotate preventivamente dall’autore dei
contenuti (CU annotation).
In fase di retrieval, l’utente ricercherà le content units indicando preventivamente
l’argomento che dovranno contenere. In questa prima fase, si sfrutta il modello
Università degli Studi di Napoli “Federico II”
166
Ficetola Francesco
Semantica Project
SBRM il quale restituirà tutti i learning objects e, dunque, le loro unità didattiche
che “parlano” di quell’argomento (corrispondenza semantica e non sintattica,
ovviamente). L’utente indicherà il termine e il significato selezionato dal dizionario.
Figura 5.19: Modalità automatica di Courseware Generation: il modulo CUACG
Nel secondo step, il sistema restituirà i learning objects che trattano
quell’argomento e su di essi verranno definiti i vincoli (constraints). L’utente può
specificare le categorie di unità didattiche, il livello di apprendimento, il dominio
applicativo, la difficoltà, il contesto, ed altro. In questo modo verranno definiti i
valori delle proprietà, che il sistema utilizzerà per impostare le query SPARQL per
l’interrogazione della Knowledge Base.
Definiti i vincoli, si passa alla definizione della strategia pedagogica: la scelta
progettuale è stata quella di non inserire la definizione della strategia pedagogica
nella business logic e, dunque, nel modello CUACG, ma di “gestirne” la definizione
tramite il livello di presentazione, ovvero chiedendo esplicitamente all’utente di
Università degli Studi di Napoli “Federico II”
167
Ficetola Francesco
Semantica Project
indicare il numero delle unità didattiche suddivise in categorie (quelle definite nei
vincoli).
In realtà si potrebbero implementare diverse strategie di apprendimento, magari
inserendole direttamente nel modello CUACG: ad esempio, nella tesi del Caropreso
[36, pg. 136] viene definito l’algoritmo che lavora sulle proprietà strutturali delle
content units e che applica la strategia pedagogica, ad esempio ottenendo per ogni
unità didattica di tipo Fundamental, un certo numero di unità didattiche Auxiliary
ordinate in un certo modo.
Figura 5.20: Modalità automatica di Courseware Generation: definizione della strategia
pedagogica nel modulo CUACG
Selezionati i numeri di unità didattiche divise per categorie, il sistema provvede a
restituire le content units corrispondenti ai learning objects ritrovati dopo il primo
step, partendo dal LO con il punteggio più alto e poi via via considerando i meno
significativi.
Ad esempio, supponiamo che dopo la prima fase di retrieval (ricerca per
argomento), vengano restituiti 3 learning objects ordinati in base al rank e
Università degli Studi di Napoli “Federico II”
168
Ficetola Francesco
Semantica Project
composti come segue:
-
LO n.1 con rank più alto costituito da 1 definizione, 2 introduzioni e 1
conclusione;
-
LO n.2 costituito da 2 definizioni e 1 conclusione;
-
LO n. 3 con rank più basso costituito da 1 introduzione, 1 definizione
e 1 conclusione;
Se l’utente è interessato ad assemblare un corso che contenga quell’argomento,
definendo una strategia pedagogica con 2 definizioni, 3 introduzioni e 4
conclusioni, allora il sistema restituirà:
1. le 2 definizioni prelevate dal LO n.1 e dal LO n.2, scartando la
seconda definizione del LO n.2 e quella del LO n.3, non richieste
dall’utente
2. le 3 introduzioni prelevandone due dal LO n.1 ed una dal LO n.3,
visto che il LO n.2 non contiene introduzioni;
3. le 3 conclusioni, non essendone disponibili 4, prelevate da tutti e tre
i LOs.
Figura 5.21: Risultati del modulo CUACG per la generazione automatica di corsi
Università degli Studi di Napoli “Federico II”
169
Ficetola Francesco
Semantica Project
In questo modo il sistema assemblerà il corso, permettendo all’utente di salvarlo
nella repository dei corsi personalizzati, e avendo la possibilità di modificarlo in
qualunque momento con l’approccio semiautomatico.
5.3 Editing dei contenuti didattici
Nell’articolo [107] intitolato “Generazione automatica di learning object
accessibili a partire da documenti: il sistema di post-produzione di A3” viene proposto
un approccio semiautomatico che inizia con la stesura, da parte degli autori, di
materiale creato con un editor di testi e che si completa nella realizzazione di LO
accessibili e universali. Sulle orme del proposito di tale articolo, abbiamo inserito nel
nostro sistema Semantica un modulo per l'editing guidato dei learning objects, in cui il
docente può compilare le informazioni relative al contenuto didattico, compresi i
documenti che esso possiede e i file delle annotazioni (in formato N3), utilizzando la
veste grafica offerta dal pannello di amministrazione (admin's panel).
Figura 5.22: Pannello di amministrazione per l'editing dei contenuti didattici
Università degli Studi di Napoli “Federico II”
170
Ficetola Francesco
Semantica Project
In questo pannello l'amministratore può inserire un nuovo learning object, può
visionare i Los già inseriti nel sistema e collegarsi ai pannelli principali e dei corsi
generati.
Di seguito mostriamo il processo di editing di un nuovo learning object, mostrando in
particolare la procedura di automatizzazione per la creazione delle annotazioni delle
content units (CU annotation) e le binding annotations (BA annotation).
Fase 1 (inserimento delle informazioni del LO):
Figura 5.23: Editing dei contenuti didattici (inserimento informazioni del LO)
In questo pannello si inseriscono le informazioni del LO quali il nome, una
descrizione del suo contenuto, l'autore, l'URL e il numero delle unità di contenuto
che esso deve contenere.
Università degli Studi di Napoli “Federico II”
171
Ficetola Francesco
Semantica Project
Fase 2 (inserimento dei documenti del LO):
Nella seconda fase, l'utente dovrà inserire il nome delle unità didattiche che il LO
dovrà prevedere e il path assoluto dei documenti testuali che lo compongono.
Il sistema agirà su tali file di testo, memorizzandoli nel database ed eseguendo su
di essi le operazioni previste dal modulo Discovery, all'atto dell'indexing.
In particolare, i documenti testuali vengono utilizzati dal modello SBRM, il quale
esegue in fase di indexing il text processing, così come descritto nel capitolo 4.
Figura 5.24: Editing dei contenuti didattici (inserimento dei documenti del LO)
Fase 3 (creazione delle CU annotations):
Nel terzo step, l'utente compila la form per la creazione automatica delle CU
annotations per ogni singola unità didattica. Dovrà specificare i valori delle proprietà
Università degli Studi di Napoli “Federico II”
172
Ficetola Francesco
Semantica Project
dell'ontologia CuOnto, che andranno a popolare la Semantic Tuple Space nella quale
sono memorizzate tutte le informazioni a cui accede il modulo CURM.
Nell'interfaccia grafica, l'utente digiterà anche il valore della proprietà testuale
hasText, che verrà elaborata con il TextProcessing del modulo SBRM nella fase di
indexing. Questa funzionalità permette dunque di implementare una strategia mista
in cui CURM e SBRM "collaborano".
Una estensione futura potrebbe essere quella che prevede di utilizzare la strategia
mista anche per altre proprietà testuali, oltre quella hasText (nella quale l'utente
inseriesce una descrizione dell'argomento trattato in quella unità di contenuto).
Figura 5.25: Editing dei contenuti didattici (creazione delle CU annotations)
Di seguito si riporta un esempio di file con le annotazioni delle content units in
formato N3, in cui vengono annotate due content units con i valori delle proprietà
dell'ontologia CuOnto. Il sistema compila in automatico il file di annotazione (CU
Annotation) e lo salva nel LOR, in attesa che il Discovery effettui l'aggiornamento
della Knowledge Base.
Università degli Studi di Napoli “Federico II”
173
Ficetola Francesco
@prefix
@prefix
@prefix
@prefix
@prefix
@prefix
@prefix
@prefix
@prefix
@prefix
@prefix
Semantica Project
p1: <http://dublincore.org/usage/documents/principles/#> .
dcterms: <http://purl.org/dc/terms/> .
xsd:
<http://www.w3.org/2001/XMLSchema#> .
dc:
<http://purl.org/dc/elements/1.1/> .
protege: <http://protege.stanford.edu/plugins/owl/protege#> .
cuonto: <http://www.unina.it/CUONTO#> .
rdfs: <http://www.w3.org/2000/01/rdf-schema#> .
daml: <http://www.daml.org/2001/03/daml+oil#> .
rdf:
<http://www.w3.org/1999/02/22-rdf-syntax-ns#> .
:
<http://www.unina.it/CUONTOINSTANCE#> .
owl:
<http://www.w3.org/2002/07/owl#> .
:Introduction1
a
cuonto :Introduction ;
cuonto:hasAbstractness "neutral" ;
cuonto:hasAuthor "ficetola" ;
cuonto:hasCompetency "model" ;
cuonto:hasDifficulty
"easy" ;
cuonto:hasDocument
"1" ;
cuonto:hasField "engineering" ;
cuonto:hasLearningContext "universitySecondCycle" ;
cuonto:hasText "Data management systems have been
intensely studied and greatly developed in Computer
Applications to Archaeology, since they encouraged the
diffused ambition to manage huge and heterogeneous
archaeological data sets." ;
cuonto:hasTitle "Introduction1" .
:Definition1
a
cuonto:Definition ;
cuonto:hasAuthor "ficetola" ;
cuonto:hasDocument "2" ;
cuonto:hasTitle "Definition1" .
Fase 4 (creazione delle BA annotations):
Nel quarto step, l'utente utilizza l'interfaccia guidata per la creazione delle Binding
Annotations. Quindi, seleziona i concetti dell'ontologia del dominio del sistema da
collegare al learning object che vuole creare. Il sistema creerà in automatico il file
in formato N3 delle annotazioni, prelevando gli ID identificativi dei concetti
dell'ontologia grazie al Binding Manager.
Università degli Studi di Napoli “Federico II”
174
Ficetola Francesco
Semantica Project
Figura 5.26: Editing dei contenuti didattici (creazione delle Binding Annotations)
Di seguito si riporta un esempio di file con le binding annotation del LO in
formato N3, in cui vengono collegati due concepts ("DBMS" e "Technologies")
appartenenti all'ontologia di dominio. Il sistema compila in automatico il file di
annotazione (BAAnnotation) e lo salva nel LOR, in attesa che il Discovery effettui
l'aggiornamento della Knowledge Base.
@prefix
@prefix
@prefix
@prefix
@prefix
@prefix
@prefix
@prefix
@prefix
@prefix
@prefix
:ba1 a
p1:
<http://dublincore.org/usage/documents/principles/#> .
domonto: <http://www.unina.it/DOMONTO#> .
dcterms: <http://purl.org/dc/terms/> .
xsd:
<http://www.w3.org/2001/XMLSchema#> .
dc:
<http://purl.org/dc/elements/1.1/> .
protege: <http://protege.stanford.edu/plugins/owl/protege#> .
rdfs: <http://www.w3.org/2000/01/rdf-schema#> .
daml: <http://www.daml.org/2001/03/daml+oil#> .
rdf:
<http://www.w3.org/1999/02/22-rdf-syntax-ns#> .
:
<http://www.unina.it/DOMONTOINSTANCE#> .
owl:
<http://www.w3.org/2002/07/owl#> .
domonto:LearningObject ;
domonto:instantiate :co4 ;
domonto:instantiate :co2 .
Università degli Studi di Napoli “Federico II”
175
Ficetola Francesco
Semantica Project
Fase 5 (aggiornamento della knowledge base):
L'ultimo step, dopo la creazione e il riepilogo delle binding annotations create,
consiste nell'aggiornamento della knowledge base del sistema. Basta attivare il
modulo Discovery, grazie alla servlet startDiscovery, alla fine della creazione del
learning object. L'utente può anche posticipare l'attivazione del Discovery,
prevedendo un aggiornamento della KB in un secondo momento (infatti, il sistema
tiene memoria dei LOs già acquisiti e di quelli ancora da acquisire).
Dopo l'attivazione del Discovery, i vettori dei significati, delle content units e dei
concetti vengono inseriti nella KB e utilizzati dai modelli di retrieval e dagli approcci
per la generazione dei corsi.
Università degli Studi di Napoli “Federico II”
176
Ficetola Francesco
Semantica Project
5.4 Sperimentazione
Un sistema di Information Retrieval viene solitamente valutato in funzione
della compatibilità dell'insieme delle risposte con le richieste dell'utente (efficacia).
Questo è sostanzialmente diverso da quello che accade nel caso della valutazione
dei sistemi di Data Retrieval , dove l'enfasi è posta sull'efficienza, ovvero la
velocità nel restituire le risposte e la quantità di spazio occupato [16].
Valutare l'efficacia non è un problema semplice, in quanto include diversi aspetti
soggettivi, per esempio due utenti con diversi livelli di conoscenza, formulando la
stessa richiesta, potrebbero ottenere due diverse valutazioni sull'insieme di
documenti reperiti dal sistema.
Una valutazione solitamente è basata su una collezione di test, che
consiste in una collezione di documenti, un insieme di esempi di richieste di
informazione e per ciascuna di esse una lista di documenti rilevanti, fornita da
appositi specialisti. La misura dell'efficacia quantifica, per ogni esempio di richiesta
di informazione, la somiglianza tra l'insieme di documenti recuperati dal sistema e
la lista di documenti rilevanti. Questo permette di dare una stima della bontà di un
sistema e quindi della sua strategia utilizzata per il recupero di informazioni.
Poiché Semantica è un sistema di IR, calato poi nell'ambito dell'e-Learning
per la generazione automatica dei corsi didattici, citiamo per completezza le
misure di efficacia che su di esso possono essere verificate, richiamando i
risultati sperimentali provati dal Caropreso [36].
Definizione 5.1. Si consideri una richiesta di informazione I e il suo insieme R di
documenti. Sia |R| il numero di documenti in questo insieme. Si assuma che una
data strategia di recupero (che si sta valutando) elabori la richiesta di informazioni
I e generi un insieme di documenti di risposta A . Sia |A| il numero di documenti di
A. Inoltre, sia |Ra| il numero dei documenti nella intersezione degli insiemi R ed A.
Università degli Studi di Napoli “Federico II”
177
Ficetola Francesco
Semantica Project
Precision e Recall sono definite nel modo seguente:
●
Precision: è la frazione di documenti recuperati (insieme A) che è
rilevante, cioè
Precision=
●
∣R a∣
A
Recall: è la frazione di documenti rilevanti che è stata recuperata, cioè
Recall=
∣R a∣
R
Figura 5.27: Precision e Recall per una data richiesta di informazione
Ha senso tenere in considerazione il Recall solo quando la collezione di
documenti è finita; infatti, nel caso di IR su web è impossibile sapere il numero
totale di documenti rilevanti, pertanto la valutazione dei web search engines si
basa più sulla Precisione (in particolare per via del ranking, data l'importanza di
presentare i risultati rilevanti in cima alla lista).
Abbiamo valutato le prestazioni del modello di retrieval di Semantica
basato sui sensi (SBRM) attraverso le due metriche di precision e recall.
Il test set su cui è stata condotta la sperimentazione è costituito da un insieme di
learning objects relativi all'Archeologia Informatica.
Dato un insieme di 20 keywords altamente polisemiche, abbiamo costruito un
ground truth consultando degli esperti del dominio della facoltà di Lettere
Università degli Studi di Napoli “Federico II”
178
Ficetola Francesco
Semantica Project
dell’Università degli Studi di Napoli Federico II. La costruzione di tale ground truth
si è resa necessaria per determinare i learning object rilevanti per ogni query.
Successivamente, abbiamo effettuato le interrogazioni previste misurando i due
parametri di precision e recall e calcolandone la media. Le interrogazioni sono state
sottoposte sia al modello SBRM che al modello classico dell’information retrieval
Vector Space Model (VSM).
I risultati della sperimentazione sono descritti nel seguente grafico:
Figura 5.28: Grafico Precision-Recall
Dall’osservazione del grafico possiamo notare come SBRM ci consenta di ottenere
un miglioramento del 30% sulla precision e del 20% sul recall rispetto al VSM.
Notiamo inoltre come SBRM riesca ad approssimare algoritmicamente la nozione
umana di similarità semantica fino all'83%.
Valutiamo ora le prestazioni del modulo di courseware generator di
Semantica in modalità automatica (modello CUACG), visto che la modalità
semiautomatica si basa sull'utilizzo combinato dei modelli di retrieval.
I parametri di valutazione della generazione automatica di un corso didattico
per un dato argomento richiesto dall'utente in fase di retrieval sono:
●
priorità: quanti contenuti sono attinenti alla query dell'utente, e dunque
quanti contenuti trattano quell'argomento, corrispondono agli obiettivi di
apprendimento, ai vincoli e alle strategie pedagogiche dell'utente;
Università degli Studi di Napoli “Federico II”
179
Ficetola Francesco
●
Semantica Project
non ripetitività: in relazione agli obiettivi di ricerca, quanti contenuti non
ripetono i concetti ricercati, in modo da evitare ridondanze nel corso
assemblato;
●
continuità: il corso assemblato non deve avere concetti frammentati nei
contenuti didattici, ovvero il corso dovrebbe avere una certa linearità
nell'esposizione degli argomenti al discente.
Per valutare i precedenti parametri abbiamo sperimentato il sistema Semantica su
circa 150 learning objects, appartenenti al dominio dell' Archeologia Informatica e
delle tecnologie informatiche di base. Inoltre, nel nostro dataset sperimentale sono
stati introdotti dei learning objects (il 10% del totale), non attinenti al dominio
informatico, per constatare l'efficienza del nostro sistema di retrieval. Ci
aspetteremo, infatti, che tali LOs non vengano inseriti nei corsi didattici, o che
magari il processo di retrieval associ loro un rank relativamente basso.
Le parole polisemiche utilizzate per il retrieval dei contenuti sono le stesse citate
precedentemente e forniteci da esperti del settore.
Inoltre, la valutazione delle prestazioni della generazione automatica dei corsi è
stata condotta da circa 10 esperti del settore didattico informatico, i quali hanno
assegnato dei punteggi da 0 a 10 ai tre parametri su menzionati.
Abbiamo messo a confronto i risultati ottenuti assemblando corsi didattici con il
modulo di Semantica
e corsi generati manualmente dai docenti, per valutare
qualitativamente le prestazioni del sistema. Di seguito si riportano i risultati
sperimentali:
Figura 5.29: Risultati sperimentali del courseware generation
(NP = Non priorità; C = Continuità; P = Priorità)
Università degli Studi di Napoli “Federico II”
180
Ficetola Francesco
Semantica Project
Dalla tabella si evince che la fase di retrieval dei contenuti didattici in relazione alla
keyword inserita ritorna i documenti più vicini semanticamente ai bisogni
dell'utente. Il corso assemblato è costituito essenzialmente da contenuti non
ridondanti (ovviamente ciò dipende dalla non ridondanza dei learning objects
inseriti nel sistema), ma, nei casi in cui il retrieval restituisce risultati con una
priorità più bassa, la continuità dei concetti esposti si riduce.
5.5 Conclusioni e sviluppi futuri
L'obiettivo che ci eravamo preposti in partenza, ovvero quello della
realizzazione di un sistema per il recupero della dimensione semantica delle
informazioni, possiamo dire di averlo raggiunto. Dalle prime sperimentazioni,
l’approccio risulta essere anche promettente. Ovviamente è un primo “tentativo” di
implementazione e sperimentazione della nostra macchina semantica, che lascia
aperte molte possibilità di sviluppo futuro. Infatti, per come è stata progettata la
macchina semantica, il suo impiego può essere adattato a qualunque ambito ed
esigenza. L'approccio è rivolto al recupero di qualunque fonte testuale di
informazione, purché annotata semanticamente.
Inoltre, i meccanismi di generazione automatica e semiautomatica dei
corsi, nel quale è stata calata la nostra macchina semantica, possono essere
impiegati per l'indicizzazione, il retrieval e l'assemblaggio dei contenuti didattici di
Ateneo. A tal proposito, il motore di ricerca semantica deve essere integrato
all’interno del software IdeaWeb della piattaforma didattica DOL dell’Università
degli Studi di Napoli “Federico II”. IdeaWeb è un authoring tool, un applicativo che
permette la creazione di scheletri di corsi didattici ottenuti assemblando contenuti
digitali di diverso tipo.
Mediante tale integrazione, i docenti che utilizzano IdeaWeb per la creazione di
corsi didattici potranno effettuare ricerche semantiche e costruire i corsi in maniera
semiautomatica partendo dai contenuti didattici già indicizzati all’interno dei
repository del sistema.
Ovviamente, essendo un primo esempio di utilizzo e di applicazione della macchina
semantica, la web application Semantica ed i suoi singoli moduli dovranno essere
ottimizzati e prevedere una maggiore flessibilità nell'inserimento dei concetti di
ontologie di dominio personalizzate.
Università degli Studi di Napoli “Federico II”
181
Ficetola Francesco
Semantica Project
Figura 5.30: IDEAWeb
Università degli Studi di Napoli “Federico II”
182
Ficetola Francesco
Università degli Studi di Napoli “Federico II”
Semantica Project
183
Ficetola Francesco
Semantica Project
Appendice A
Mappa della Web Application Semantica
In questa appendice vengono mostrati i diagrammi di interazione delle
singole pagine della web application Semantica. Ricordiamo che la web application
è scritta interamente in JSP e JAVA e il web server utilizzato è Tomcat.
I packages della web application sono mostrati di seguito:
●
SITE: contiene le pagine di gestione dei pannelli di autenticazione, di
registrazione e le utilities del sito web;
●
ADMIN: contiene le pagine per l'editing e la gestione dei learning objects;
●
WORDNET: package con le pagine per l'accesso a WORDNET;
●
SBRM: package con il modulo di retrieval SBRM;
●
CURM: package con il modulo di retrieval CURM;
●
ODRM: package con il modulo di retrieval ODRM;
●
COURSEGEN: contiene tutte le pagine per la gestione e la generazione
dei corsi didattici, sia in modalità semiautomatica (usando tutti i modelli
del sistema – SBRM, CURM, ODRM, CUACG, ODACG) sia in modalità
automatica (AUTOGEN).
Università degli Studi di Napoli “Federico II”
184
Ficetola Francesco
Semantica Project
Alleghiamo di seguito i singoli diagrammi di interazione per ogni package
dell'applicazione, compresa la root.
ROOT della web application:
Università degli Studi di Napoli “Federico II”
185
Ficetola Francesco
Semantica Project
Package SITE:
Università degli Studi di Napoli “Federico II”
186
Ficetola Francesco
Semantica Project
Package SBRM:
Package CURM:
Package ODRM:
Università degli Studi di Napoli “Federico II”
187
Ficetola Francesco
Semantica Project
Package COURSEGEN:
Università degli Studi di Napoli “Federico II”
188
Ficetola Francesco
Università degli Studi di Napoli “Federico II”
Semantica Project
189
Ficetola Francesco
Semantica Project
Package AUTOGEN:
Package ADMIN:
Università degli Studi di Napoli “Federico II”
190
Ficetola Francesco
Semantica Project
Package WORDNET:
Università degli Studi di Napoli “Federico II”
191
Ficetola Francesco
Semantica Project
Appendice B
I patterns e le tecnologie utilizzati in Semantica
I patterns e le tecnologie utilizzati nell'applicazione
Semantica verranno
descritti brevemente in questa appendice, citando i riferimenti per uno studio
approfondito ed il loro utilizzo. È inutile parlare di JAVA, ampiamente utilizzato per
la business logic di questa applicazione, visto che costituisce la base del bagaglio
di conoscenze di ogni ingegnere informatico. Non verrano menzionati nemmeno
Tomcat, Oracle, il linguaggio JSP (Java Servlet Pages) e ovviamente HTML, sui
quali esistono i riferimenti ufficiali e molta letteratura a riguardo. Di WordNet ne
abbiamo già parlato ampiamente nel capitolo 3.
B.1 Pattern Domain Model
Mediante questo pattern si rappresenta l'insieme dei dati con una
modellazione
object-oriented:
ad
ogni
dato
presente
nel
database
corrisponde una istanza di un particolare oggetto, mentre le relazioni tra le
tabelle sono rappresentate da riferimenti.
In contesti non particolarmente complessi, quindi, un Domain Model è molto
simile ad una struttura di un database ed è solitamente composto da una
classe per ogni tabella di quest'ultimo. Il suo vantaggio, però, risiede nella
possibilità di avvalersi di tutta una serie di peculiarità del mondo object
oriented, ponendo l'architettura dei dati ad un livello di astrazione superiore
rispetto alla struttura in cui sono memorizzati: è infatti possibile usare
Università degli Studi di Napoli “Federico II”
192
Ficetola Francesco
Semantica Project
ereditarietà e polimorfismo, impostare relazioni molti-a-molti e, in generale,
disegnare l'architettura implementando i DesignPattern più opportuni.
La difficoltà principale nell'utilizzo di questo pattern risiede nella sua
persistenza su un database. A meno di non avere a disposizione un DBMS
orientato agli oggetti è necessario convertire la struttura di un Domain Model
in una tabellare .
Nel progetto Semantica tale pattern è alla base della tecnologia IBATIS con
la quale si gestisce la persistenza e la modellazione object-oriented dei dati
nell'applicazione.
Per ulteriori approfondimenti sul pattern Domain Model vedi [97].
B.2 Pattern Data Transfer Object
Il pattern Data Transfer Object (DTO) offre un modo per trasferire dati dal
server al client (e viceversa) in un'unica chiamata remota.
Si pensi ad esempio all’operazione di lettura dati su server, dati utili a
popolare l’interfaccia grafica gestita dal client, oppure alla creazione/
distruzione/modifica dei dati stessi.
Per le operazioni di modifica dati una soluzione plausibile sarebbe quella di
passare un certo numero di parametri ad un metodo di invocazione remota,
dati atti a descrivere la modifica stessa; questa soluzione risulta purtroppo
in un insieme di inconvenienti quali un eccessivo carico di dati da passare
via rete, quindi molteplici chiamate remote, e un’inconsistenza strutturale
soggetta alle possibili variazioni (future) dei parametri necessari.
Il DTO permette di scrivere delle semplici classi Java (chiamate appunto
Data Transfer Objects), che incapulano i dati di interesse in un contenitore
di facile trasporto su rete. Dunque, conviene usare il DTO sia per operazioni
di lettura che per operazioni di modifica dati in sistemi distribuiti.
Ogni cambiamento dei parametri utili a tali operazioni si riflette in un
cambiamento degli attributi (e relativi metodi) nella classe DTO, quindi in
un'unica classe. Per utilizzare al meglio il DTO pattern si utilizza in genere un
pattern di creazione chiamato Data Transfer Object Factory.
Per ulteriori approfondimenti sul DTO pattern vedi [99].
Università degli Studi di Napoli “Federico II”
193
Ficetola Francesco
Semantica Project
B.3 Pattern Strategy
L'obiettivo di questa architettura è isolare un algoritmo all'interno di un
oggetto. Il pattern Strategy è utile in quelle situazioni dove è necessario
modificare dinamicamente gli algoritmi utilizzati da un'applicazione. Si pensi
ad esempio alle possibili visite in una struttura ad albero (visita anticipata,
simmetrica, posticipata): mediante il pattern Strategy è possibile selezionare
a tempo di esecuzione una tra le visite ed eseguirla sull'albero per ottenere
il risultato voluto.
Questo pattern prevede che gli algoritmi siano intercambiabili tra loro (in
base ad una qualche condizione) in modo trasparente al client che ne fa
uso. In altre parole: la famiglia di algoritmi che implementa una funzionalità
(ad esempio di visita o di ordinamento) esporta sempre la medesima
interfaccia, in questo modo il cliente dell'algoritmo non deve fare nessuna
assunzione su quale sia la strategia instanziata in un particolare istante.
Il pattern Strategy, a causa della propria sfera di azione, rientra nella
categoria dei pattern comportamentali.
Per ulteriori approfondimenti sul pattern Strategy si veda [98].
B.4 Pattern Singleton
Il pattern creazionale Singleton è sicuramente uno dei più semplici da
applicare nell'ambito della programmazione ad oggetti.
Esso si può applicare ogni volta che nell’applicazione che si sta sviluppando
ci si trova di fronte ad una classe che modella un oggetto il cui ruolo è
unico, ha delle responsabilità speciali. In questo caso si fa in modo che la
classe abbia una sola istanza e l’applicazione fornisca un punto di accesso
globale ad essa.
Ci sono vari modi per costruire un oggetto che abbia un ruolo unico nel
sistema: indipendentemente da come si crea il singleton, comunque,
bisogna assicurarsi che non si possano creare nuove istanze della classe. Per
far ciò è sufficiente che la classe abbia un unico costruttore con visibilità
privata. La presenza di altri costruttori non privati oppure la totale assenza
di costruttori possono permettere la creazione di molteplici istanze (in
Università degli Studi di Napoli “Federico II”
194
Ficetola Francesco
Semantica Project
quest’ultimo caso il compilatore aggiunge di default un costruttore vuoto
con visibilità pubblica).
Il
pattern
Singleton definisce una classe della quale è possibile
l’istanziazione di un unico oggetto, tramite l’invocazione di un metodo, della
classe stessa, incaricato della produzione di oggetti. Ulteriori richieste di
istanziazione, comportano la restituzione di un riferimento all’oggetto
precedentemente creato.
Per ulteriori approfondimenti sul pattern Singleton vedi [100].
B.5 iBATIS
IBATIS è il framework Java per la persistenza dei dati e per la gestione dello
strato di connessione verso il database.
L'uso dei database è diventato indispensabile per qualsiasi programmatore
che vuole sviluppare un qualsiasi applicativo, anche semplice. Java, come
molti linguaggi di programmazione mette a disposizione una serie di librerie
molto valide (JDBC) per operare con il proprio database preferito.
Sfortunatamente queste librerie non si adattano molto allo stile di
programmazione OOP di cui Java è un suo rappresentante, pertanto sono
presente su piazza molte soluzioni più o meno valide per mascherare lo stile
relazionale dei database con quello orientato agli oggetti di Java.
La prima soluzione che viene in mente è senza dubbio HIBERNATE. Ottimo
per la sua enorme flessibilità e per la libertà che offre al programmatore di
operare al meglio delle proprie logiche di business.
Anche Apache ha presentato la sua alternativa. Si chiama appunto iBatis.
Università degli Studi di Napoli “Federico II”
195
Ficetola Francesco
Semantica Project
Come si può vedere dalla figura, iBatis Data Mapper Framework si
avvale di uno o più descrittori XML per mappare il database con il supporto,
qualora lo si volesse di file di tipo properties per fornire un supporto ai file
XML per la distribuzione della configurazione del sistema di mapping.
Il grande vantaggio nell'utilizzare iBatis sta nel fatto che le stringhe SQL che
di solito si usano all'interno del codice sorgente vengono scritte
esternamente al codice sorgente all'interno di moduli XML da noi definiti e
richiamati dal programmatore ogni volta che servono tramite un semplice id
identificativo. La mappatura della tabella viene realizzata con la tradizionale
scrittura di una classe di tipo JavaBeans. Questa permette al programma di
vedere il database come una classe Java.
Per ulteriori approfondimenti su iBatis vedi [104].
B.6 JENA
Al di là di tutte le implicazioni teoriche, che sono propedeutiche alla
definizione delle ontologie, è poi necessario possedere gli strumenti giusti
per la loro creazione e per il loro utilizzo in termini pratici. In questo
contesto introduciamo Jena, un framework Java dedicato allo sviluppo di
applicazioni relative al Semantic Web.
Si tratta di un progetto open source, che ha beneficiato dell'apporto di
professionalità offerto dai laboratori HP. Jena è stato inizialmente sviluppato
per la realizzazione di applicazioni, che supportassero RDF e RDFS, ma
successivamente esteso verso i linguaggi per le ontologie tra i quali
DAML+OIL e OWL.
Principalmente il framework permette e contiene:
●
RDF API;
●
la lettura e scrittura RDF in RDF/XML, N3 e N-Triples;
●
OWL API;
●
la memorizzazione persistente e In-Memory;
●
un motore di query SPARQL
Università degli Studi di Napoli “Federico II”
196
Ficetola Francesco
Semantica Project
Non ci dilunghiamo ulteriormente sulla descrizione di JENA, visto che il
paragrafo 2.8 presenta una trattazione sintetica di una delle applicazioni di
tale framework, ovvero quella delle ontologie persistenti. Per ulteriori
approfondimenti su JENA vedi [33].
B.7 JWordNet
JWordNet è una libreria scritta in Java puro che permette l’accesso al
database lessicale di WordNet. Oltre ad offrire funzionalità di accesso ai dati
offre anche funzionalità linguistiche, come ad esempio funzionalità per la
scoperta di relazioni fra classi e elaborazione morfologica.
Il punto di forza di JWordNet è la chiara separazione fra interfaccia e
implementazione. Le funzionalità vengono infatti utilizzate tramite le
interfacce, mentre l’implementazione concreta viene determinata tramite un
file
di
configurazione.
Questo
permette
l’evoluzione
del
software
semplicemente aggiungendo nuove implementazioni e caricandole tramite il
file di configurazione, senza nessuna modifica alle applicazioni che utilizzano
quel servizio. Per approfondimenti su JWordNet vedi [108].
B.8 Middleware RMI
Remote Method Invocation (invocazione remota di metodi) o RMI è una
tecnologia che consente a processi Java distribuiti di comunicare attraverso
una rete. Questa tecnologia include una API il cui scopo esplicito è quello di
rendere
trasparenti
al
programmatore
quasi
tutti
i
dettagli
della
comunicazione su rete. Essa consente infatti di invocare un metodo di un
oggetto remoto (cioè appartenente a un diverso processo, potenzialmente
su una diversa macchina) quasi come se tale oggetto fosse "locale" (ovvero
appartenente allo stesso processo in cui viene eseguita l'invocazione). In
questo senso, la tecnologia RMI può essere ricondotta, da un punto di vista
concettuale, all'idea di chiamata di procedura remota riformulata per il
paradigma object-oriented (in cui, appunto, le procedure sono sostituite da
metodi).
L'utilizzo di un meccanismo di invocazione remota di metodi in un sistema
object-oriented comporta notevoli vantaggi di omogeneità e simmetria nel
Università degli Studi di Napoli “Federico II”
197
Ficetola Francesco
Semantica Project
progetto, poiché consente di modellare le interazioni fra processi distribuiti
usando lo stesso strumento concettuale che si utilizza per rappresentare le
interazioni fra i diversi oggetti di una applicazione, ovvero la chiamata di
metodo. Per contro, meccanismi di comunicazione fra processi remoti più
primitivi (come lo scambio messaggi) rappresentano una forma di
interazione "estranea" al paradigma object-oriented.
Il termine RMI identifica ufficialmente sia la API messa a disposizione del
programmatore sia il protocollo di rete usato "dietro le quinte" per il dialogo
fra le macchine virtuali Java coinvolte nella comunicazione. Dell'API e del
protocollo esistono due implementazioni di uso comune. La prima (meno
recente) ha nome JRMP (Java Remote Method Protocol) ed è implementata
sul protocollo TCP; la seconda, nota come RMI-IIOP, è invece basata sul
protocollo IIOP della piattaforma middleware CORBA.
Per approfondimenti su RMI vedi [105].
Università degli Studi di Napoli “Federico II”
198
Ficetola Francesco
Università degli Studi di Napoli “Federico II”
Semantica Project
199
Ficetola Francesco
Semantica Project
Bibliografia e Sitografia
[1] Articolo: Progetto Yahoo! Open Search Platform,
http://www.ysearchblog.com/archives/000523.html
[2] Citazione: Marco Varone, http://punto-informatico.it/
[3] Articolo: Web semantico e/o Semantic web: io sono più semantico di te
http://mediameter.wordpress.com/2008/02/20/web-semantico-eo-semantic-webio-sono-piu-semantico-di-te/
[4] Articolo: Manzoni, l’armadio e l’ambiguità semantica,
http://mediameter.wordpress.com/2008/01/21/manzoni-larmadio-e-lambiguitasemantica/
[5] Portale di tecnologie per il Semantic Web: SearchEngineLand,
http://searchengineland.com/
[6] Natural Language Processing (NLP) :
http://mediameter.wordpress.com/
category/natural-language-processing/
[7] Articolo: A Roadmap of Agent Research and Development. Journal of
Autonomous Agents and Multi-Agent Systems, 1, pp. 7–38, 1998, N. R. Jennings,
Università degli Studi di Napoli “Federico II”
200
Ficetola Francesco
Semantica Project
K.Sycara, M. Wooldridge.
[8] Articolo: Intelligent agents: Theory and practice. The Knowledge Engineering
Review, vol. 10(2) pp. 115–152, 1995, M. Wooldridge, N. R. Jennings.
[9] Articolo: The Semantic Web, T. Berners-Lee, J. Hendler, O. Lassila - Scientific
American
[10] Semantic Web - XML2000 W3C, T. Berners-Lee,
http://www.w3.org/2000/Talks/1206- xml2ktbl/Overview.html
[11] Articolo: Il web semantico? Un'illusione realizzabile
http://perseo.cib.na.cnr.it/cibcnr/news/web%20semantico%202005.jpg
[12] Libro: The Mathematical Theory of communication, C. E. Shannon, W.
Weaver, 1969 - Original Edition 1948
[13] Articolo: Semiotica e filosofia del linguaggio, Umberto Eco, 1994
[14] Libro: Information, Mechanism and Meaning, D.M. MacKay, 1969, The MIT
Press
[15] Articolo: Tecniche e modelli per la ricerca semantica sul Web, un approccio
basato su ontologie, A. M. Rinaldi
[16] Tesi di laurea: Implementazione e Valutazione di Tecniche di Information
Retrieval basate su Stem, Lemma e Synset, Luisa Calcagno, Università degli studi di
Genova
[17] Articolo: Generating, integrating, and activating thesauri for concept-based
document retrieval , Chen, H. Lynch, K.J. Basu, K. Ng, T.D. Arizona Univ., Tucson,
AZ;
[19] Articolo: Information Retrieval, C.J.Van Rijsbergen, Dept. of Computer
Università degli Studi di Napoli “Federico II”
201
Ficetola Francesco
Semantica Project
Science, University of Glasgow, 1981
[20] Libro: Introduction to Information Retrieval, Christopher D. Manning,
Prabhakar Raghavan & Hinrich Schütze, http://informationretrieval.org/
© 2008 Cambridge University Press
[21] Articolo: Online Catalog Design Models: Are We Moving in the Right
Direction? , Charles R. Hildreth, Ph.D. - Capitolo 3: Conventional Information
Retrieval Systems: the boolean model
[22] Articolo: InfoCrystal, A Visual Tool For Information Retrieval , Ph.D. Research
and Thesis at MIT, 1995
[23] Articolo: Toward Principles for Design of Ontologies Used for knowledge
Sharing, T. Gruber, 1995, Int. J. Human-Computer Studies
[24] Articolo: Dalla filosofia all’informatica: Ontologia una concettualizzazione di
un dominio condiviso, Massimiliano Miglio, CSTAdvising
[25] Articolo: Introduzione al Semantic Web , Basi tecnologiche e scenari di
applicabilità, http://www2.mokabyte.it/cms/article.run?articleId=YPB-QB7-E2QB8B_7f000001_30480431_3c0acde4
[26] Articolo: Semantic Web History: Nodes and Arcs 1989-1999. The WWW
Proposal and RDF, Dan Brickley, http://www.w3.org/1999/11/11-WWWProposal/
[27] Resource Description Framework, http://www.w3.org/RDF/
[28] Uniform Resource Identifier, http://www.ietf.org/rfc/rfc2396.txt
[29] Unicode, http://unicode.org/
[30] Articolo: An Introduction to XML and Web Technologies, Anders Møller and
Michael Schwartzbach, February 2006
Università degli Studi di Napoli “Federico II”
202
Ficetola Francesco
Semantica Project
[31] Articolo: Semantic Web - I parte: Introduzione a RDF, principi e Data Model
http://www2.mokabyte.it/cms/article.run?articleId=86K-OYQ-IO4QBX_7f000001_26963259_05122d48
[32] Articolo: GuNQ – A Semantic Web Engine with a Keyword based Query
Approach, Nipun Bhatia, Prashant Gaharwar, Pratyus Patnaik, Dr S Sanyal Indian Institute of Information Technology, Allahabad, India
[33] Sito ufficiale di JENA, http://jena.sourceforge.net/
[34] SPARQL Query Language for RDF, http://www.w3.org/TR/rdf-sparql-query/
[35] Guida: Introduzione a SPARQL, linguaggio di interrogazione dell'RDF, con
particolare riferimento alle specifiche W3C dell'aprile 2006, Mario Picarelli,
Laboratorio di Accessibilità e Usabilità del CSI-Piemonte,
http://lau.csi.it/laboratorio/lau.shtml
[36] Tesi di Laurea: Retrieval semantico di learning object basato su ontologie,
Mario Caropreso, AA. 2005-2006, Università degli Studi di Napoli “Federico II”
(Relatori: prof. A. Chianese – Ing. V. Moscato)
[37] Articolo: Evaluation of OntoLearn, a methodology for automatic learning of
domain ontologies, Paola VELARDI , Roberto NAVIGLI, Alessandro CUCCHIARELLI,
Francesca NERI - Dipartimento di Informatica Università di Roma “La Sapienza”
(Roma) & DIIGA Università Politecnica delle Marche (Ancona)
[38] TOOLS: Semantic Web Tools from ESW wiki,
http://syntheticbiology.org/Semantic_web_ontology/Software.html
[39] Semantic Web: OWL (Web Ontology Language), http://www2.mokabyte.it/
[40] Guida: OWL, http://www.w3.org/TR/owl-features/
[41] Dispensa: Ontologie OWL: Teoria e Pratica, Nicola Capuano,
http://www.capuano.biz/journal_papers.asp
[42] Racer: Racer: An OWL Reasoning Agent for the SemanticWeb, Volker
Università degli Studi di Napoli “Federico II”
203
Ficetola Francesco
Semantica Project
Haarslev and Ralf Moller - Concordia University, Montreal (Canada) & University of
Applied Sciences, Wedel (Germany)
Racer Software, http://www.sts.tu-harburg.de/~r.f.moeller/racer/
[43] Altova: Altova Software, http://www.altova.com/
[44] JENA: Jena - A Semantic Web Framework for Java,
http://jena.sourceforge.net/
[45] Esempi: Persistent Ontologies Example http://jena.sourceforge.net/ontology/examples/persistent-ont-model/index.html
[46] Articolo: Model-Driven Ontology Engineering, Yue Pan, Guotong Xie, Li Ma,
Yang Yang, ZhaoMing Qiu and Juhnyoung Lee - IBM China Research Lab, Beijing
(China) & IBM Watson Research Center, Hawthorne (New York)
[47] Articolo: Approcci al Web Semantico, Articolo di Antonella Dorati e Stefania
Costantini - Università degli Studi di L'Aquila
[48] Edutella Project Home Page, http://edutella.jxtra.org
[49] Merlot Home Page. http://www.merlot.org
[50] Articolo: Semantic Web - Edutella, Università di Pisa, Informatica Umanistica
http://iu.di.unipi.it/infouma/media/siti/web-semantico/lapesa/edutella.htm
[51] Enciclopedia: Il Costruttivismo, In W.E Craighead & C.B.Nemeroff, The
Concise Corsini Encyclopedia of Psychology and Behavioral Science, 219-220,
Hoboken, N.J.: John Wiley & Sons, 2004.
[52] IWT: Piattaforma e-Learning IWT Intelligente Web Teacher,
http://www.didatticaadistanza.com/
[53] IWT: Una piattaforma innovativa per la didattica intelligente sul Web , N.
Capuano, M. Gaeta, A. Micarelli, Università degli studi di Salerno e Università degli
studi Roma TRE, http://www.capuano.biz/Papers/AIxIA_Notizie_2003.pdf
Università degli Studi di Napoli “Federico II”
204
Ficetola Francesco
Semantica Project
[54] Libro: E-learning: un esperimento via web su corsi di Fondamenti di
Informatica. Progettare in modalità e-learning con focus sul discente, Domenico
Capano. Libro scaricabile da http://www.comunedasa.it/elearning/index.asp
[55] Articolo: Che cosa sono i Learning Object? Articolo tratto dalla tesi discussa
da Federica Bianchi nel 2002 presso Università degli Studi di Torino (relatore prof.
Alessandro Perissinotto)
[56] Tesi di laurea:
Progettazione di un sistema di e-Learning attraverso gli
strumenti di e-Learning Management e lo standard SCORM , Ficetola Francesco –
AA. 2004-2005, Università degli Studi di Napoli “Federico II” (Relatori: prof. A.
Chianese – Ing. V. Moscato)
[57] Articolo: Standard e metadati, Paola Perino, articolo pubblicato il giorno
26-05-2003 da su InterneTime e-Learning magazine,
http://www.blucomfort.com/internetime/
[58] Tesi di laurea: E-learning: una soluzione ontologica, Cristina Coulleri, Gilson
Da Silva, Università di Trento, Facoltà di Economia, Modelli di rappresentazione
della conoscenza (Docente: Paolo Bouquet)
[59] IEEE LTSC P1484.12.1 Learning Object Medata (LOM) specification 1.0,
http://ltsc.ieee.org/wg12/files/LOM_1484_12_1_v1_Final_Draft.pdf
[60] IEEE Learning Object Metadata RDF binding,
http://kmr.nada.kth.se/el/ims/md-lomrdf.html#LOM
[61] Articolo: Mediadores e Interoperabilidad en Elearning, Aguirre S., Quemada
J., Salvachua j., Departamento de Ingenieria de Sistemas Telematicos. Universidad
Politecnica de Madrid,
http://jungla.dit.upm.es/~saguirre/publications/virtualEduca2004.pdf
[62] Articolo: Ontology Development 101: A Guide to Creating Your Fist
Ontology, Noy N. e McGuiness D., Stanford University. Stanford, CA, 94305
[63] Articolo: Ontologies for Reusing Learning Object Content, Dragan Gašević,
Università degli Studi di Napoli “Federico II”
205
Ficetola Francesco
Semantica Project
Jelena Jovanović, Vladan Devedžić, Marko Bošković - School of Interactive arts and
Technology, Simon Fraser University Surrey (Canada) / FON – School of Business
Administration, University of Belgrade (Serbia and Montenegro) / TrustSoft
Graduate School, University of Oldenburg (Germany)
[64] Articolo: Semantic Annotation, Indexing, and Retrieval, Atanas Kiryakov,
Borislav Popov, Damyan Ognyanoff, Dimitar Manov, Angel Kirilov, Miroslav Goranov
- Ontotext Lab, Sirma AI EOOD, Sofia (Bulgaria)
[65] VICE: E-Learning nell’era del Semantic Web, Michela Acquaviva e Marco
Benini - Centro di Ricerca Informatica Interattiva, Dipartimento di Informatica e
Comunicazione, Università degli Studi dell’Insubria
[66] Articolo: The evolution of Metadata from Standard to Semantics in E-
Learning Applications, H. S. Al-Khalifa, H.C. Davis.
[67] WordNet, Database Lessicale Princeton University,
http://wordnet.princeton.edu/
[68] Tesi di Laurea: Rimozione dell’ambiguità nell'interazione tra WordNet e il
sistema MOMIS, Salvatore Ricciardi, Università degli studi di Modena e Reggio
Emilia
[69] Articolo: Mihalcea, R., D. Moldovan, A Method for Word Sense
Disambiguation of Unrestricted Text. Proc. of ACL '99, pp.152-158, Maryland, NY,
June 1999.
[70] Articolo: Using WordNet for Word Sense Disambiguation to Support Concept
Map Construction, Alberto J. Cañas, Alejandro Valerio, Juan Lalinde-Pulido, Marco
Carvalho, Marco Arguedas, Institute for Human and Machine Cognition
[71] Tesi di Laurea: WordNet e sue applicazioni. Revisione e implementazione di
un database di termini matematici. Università di Padova, AA. 2005-2006
[72] Tesi di Laurea: SKOS Un sistema per l’organizzazione della conoscenza ,
Matteo Ballarin, Università Cà Foscari di Venezia, AA. 2004-05
Università degli Studi di Napoli “Federico II”
206
Ficetola Francesco
Semantica Project
[73] Articolo di Ugo Chirico, Schemi di rappresentazione della conoscenza,
www.neuroingegneria.com, 2005
[74] RDF: RDF per la rappresentazione della conoscenza, Oreste Signore, Ufficio
Italiano W3C1 presso il C.N.R. - Istituto CNUCE - Area della Ricerca di Pisa San
Cataldo
[75] WSD: Word-Sense Disambiguation for Machine Translation, David Vickrey
Luke Biewald Marc Teyssier Daphne Koller, Department of Computer Science,
Stanford University
[76] Articolo: Word sense disambiguation using semantic relatedness
measurement, YANG Che-Yu (Department of Computer Science and Information
Engineering, Tamkang University, Taipei 25137, Taiwan, China)
[77] Articolo: Maximizing Semantic Relatedness to Perform Word Sense
Disambiguation
Ted Pedersen, Satanjeev Banerje e Siddharth Patwardhan - Department of
Computer Science, University of Minnesota, Duluth, MN - Language Technologies
Institute, Carnegie-Mellon University, Pittsburgh, PA - School of Computing,
University of Utah, Salt Lake City, UT
[78] Articolo: The SCAM Framework: Helping Semantic Web Applications to Store
and Access Metadata, Matthias Palmer, Ambjorn Naeve, and Fredrik Paulsson KMR group at CID/KTH (Royal Institute of Technology), Stockholm (Sweden)
[79] KAON 2 - http://kaon2.semanticweb.org/
[80] Articolo: C. Ullrich, Description of an Instructional Ontology and its
Application in Web Services for Education
[81] Ontologia ALOCOM, Ontology-based Learning Content Repurposing Katrien Verbert, Dragan Gašević, Jelena Jovanović, Erik Duval - FON-School of
Business Administration, University of Belgrade (Serbia and Montenegro) / Dept.
Computerwetenschappen, Katholieke Universiteit Leuven (Belgium)
Università degli Studi di Napoli “Federico II”
207
Ficetola Francesco
Semantica Project
[82] Articolo: Text Tokenization for Knowledge-free Automatic Extraction of
Lexical Similarities,
Aristomenis Thanopoulos, Nikos Fakotakis and George
Kokkinakis - Electrical and Computer Engineering Department, University of Patras,
Rion (Greece)
[83] Articolo: R.Baeza-Yates, B.Ribeiro-Neto, Modern Information Retrieval.
Addison-Wesley, Cap. 1, 1999
[84] Articolo: Using IR techniques for text classification in document analysis,
Rainer Roch, Springer-Verlag New York, Inc. New York, NY, USA
[85] Articolo: Speech and Language Processing, Prentice Hall, 2000, autori
D.Jurafsky, J. H. Martin.
[86] POS Tagging: K. Toutanova, D. Klein, C. Manning, Y. Singer – Feature-Rich
Part-of-Speech Tagging with a Cyclic Dependency Network. In Proceedings of HLTNAACL 2003 pages 252-259.
[87] Articolo: Information Retrieval using Word Senses: Root Sense Tagging
Approach, SangBum Kim, HeeCheol Seo and HaeChang Rim, Natural Language
Processing Lab., Department of Computer Science and Engineering, Korea
University, Anamdong (SEOUL Corea),
http://hachita.nmsu.edu/ref/Sung_IR_UsingWS04.pdf
[88] WSD: Automated Word Sense Disambiguation for Internet Information
Retrieval, Christopher M. Stokoe - University of Sunderland Informatics Centre, St
Peters Campus, Prof. John Tait, University of Sunderland, Informatics Centre, St
Peters Campus
[89] Libro: Reusing Online Resources: A Sustainable Approach to E-learning, Di
Allison Littlejohn pubblicato 2003 (Capitolo 4 -
Combining reusable learning
resources and services with pedagogical purposeful units of learning – Rob Koper)
[90] Articolo: MnM: Ontology Driven Semi-automatic and Automatic Support for
Semantic Markup, Maria Vargas-Vera, Enrico Motta, John Domingue, Mattia
Lanzoni, Arthur Stutt and Fabio Ciravegna - Knowledge Media Institute, The Open
Università degli Studi di Napoli “Federico II”
208
Ficetola Francesco
Semantica Project
University, Walton Hall, Milton Keynes, MK7 6AA, UK / Department of Computer
Science, University of Sheffield, Regent Court, 211 PortobelloStreet, Sheffield, S1
4DP, UK (PublisherSpringer Berlin / Heidelberg)
[91] Articolo: Towards the Semantic Web: Ontology-driven Knowledge
Management, John Davies, Frank van Harmelen, Dieter Fensel (Publisher John
Wiley & Sons, Inc. New York, NY, USA / Year of Publication: 2002
[92] Courseware Generation: Dynamic Courseware Generation on the WWW.
Authors: J. Vassileva, R. Deters, British Journal of Educational Technology, v29 n1
p5-14 Jan 1998
[93] Courseware Generation: Dynamic Courseware Generation: at the Cross
Point of CAL, ITS and Authoring, Julita Vassileva - Institut für Technische
Informatik, Universität der Bundeswehr München, Neubiberg (Germany),
http://julita.usask.ca/Texte/CIT-print.pdf
[94] Articolo: Adaptive instructional planning using ontologies, Karampiperis, P.
Sampson, Informatics & Telematics Inst., Centre for Res. & Technol. Hellas, Athens,
(Greece)
[95] Java Sun Microsystem, http://java.sun.com/javase/downloads/index.jsp
[96] Oracle 10g,
http://www.oracle.com/technology/software/products/database/index.html
[97] Pattern Domain Model,
http://wiki.ugidotnet.org/default.aspx/UGIdotNETWiki/PatternDomainModel.html
[98] Pattern Strategy,
http://wiki.ugidotnet.org/default.aspx/UGIdotNETWiki/PatternStrategy.html
[99] Pattern Transfer Object,
http://java.sun.com/blueprints/corej2eepatterns/Patterns/TransferObject.html
Università degli Studi di Napoli “Federico II”
209
Ficetola Francesco
Semantica Project
[100] Pattern Singleton,
http://java.sun.com/blueprints/patterns/TransferObject.html
[101] Pattern MVC, http://www.kosmous.com/risorse/articolo.php?id=24
[102] Apache Tomcat 5.5, http://tomcat.apache.org/download-55.cgi
[103] Guida: JSP, http://java.html.it/guide/leggi/23/guida-jsp/
[104] IBATIS, Framework per la persistenza degli oggetti,
http://ibatis.apache.org/
[105] Middleware RMI,
http://java.sun.com/javase/technologies/core/basic/rmi/index.jsp
[106] Query-by-Example,
http://searchoracle.techtarget.com/sDefinition/0,,sid41_gci214554,00.html
[107] Articolo: Generazione automatica di learning object accessibili a partire da
documenti: il sistema di post-produzione di A³, Lorenzo Donatiello, Simone Martini,
Nelda Parisini, Marco Roccetti, Paola Salomoni, Fabio Vitali - Dipartimento di
Scienze dell’Informazione, Università di Bologna
[108] JWORDNET, http://jwn.sourceforge.net/
[109] Articolo: L. Stojanovic, S. Staab, R. Studer, eLearning based on the
Semantic Web, WebNet2001-World, Conference on the WWW and Internet, 2001.
[110] Articolo: J. Tane, C. Schmitz, G. Stumme, Semantic Resource Management
for the Web: An E-Learning Application, 13th international World Wide Web
conference, 2004.
[111] Courseware Watchdog: C. Schmitz, S. Staab, R. Studer, G. Stumme, J.
Tane, Accessing Distributed Learning Repositories through a Courseware watchdog,
World Conference on E-Learning, 2002.
Università degli Studi di Napoli “Federico II”
210
Ficetola Francesco
Semantica Project
[112] Edutella: W. Nejdl, EDUTELLA: a P2P networking infrastructure based on
RDF, 11th International Conference on World Wide Web, 2002.
[113] Articolo: A. W. P. Fok, Ontology-driven Content Search for Personalized
Education, 13th annual ACM International Conference on Multimedia, 2005.
[114] E-aula: P. Sancho, I. Martinez,
́
B. Fernandez-Manjon,
́
́
Semantic Web
Technologies Applied to e-learning Personalization in <e-aula>, Journal of
Universal Computer Science, 2005.
[115] Articolo: P. Dolog, M. Sintek, Personalization in Distributed e-Learning
Environments, 13th international World Wide Web, 2004.
[116] Articolo: K. Verbert, D. Ga evi , J. Jovanovi , E. Duval, Ontology-based
Learning Content Repurposing, Educational Technology & Society, 2006.
[117] QBLS: S. Dehors, C. Faron-Zucker, QBLS: A Semantic Web Based Learning
System, International Workshop on Applications of Semantic Web Technologies for
E-Learning, 2005
.
Università degli Studi di Napoli “Federico II”
211
