Un sistema per la generazione automatica di ontologie multimediali

Save this PDF as:
 WORD  PNG  TXT  JPG

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "Un sistema per la generazione automatica di ontologie multimediali"

Transcript

1 Facoltà di Ingegneria Corso di Studi in Ingegneria Informatica Tesi di laurea specialistica Un sistema per la generazione automatica di ontologie multimediali Anno Accademico 2008/2009 relatori Ch.mo prof. Angelo Chianese Ch.mo prof. Vincenzo Moscato correlatore Ch.mo ing. Fabio Persia candidato Felice Manganiello matr. 885/294

2 «L'amore è la saggezza dello sciocco e la follia del saggio.» «Osservate con quanta previdenza la natura, madre del genere umano, ebbe cura di spargere ovunque un pizzico di follia. Infuse nell'uomo più passione che ragione perchè fosse tutto meno triste, difficile, brutto, insipido, fastidioso» ( Erasmo da Rotterdam) Ogni traguardo è un nuovo punto di partenza

3 Indice Introduzione 1 1 Ontologie multimediali 5 2 Stato dell arte Introduzione Ontologie multimediali Caratteristiche ontologie multimediali Costruzione delle ontologie multimediali Ontologie multimediali esistenti Sistemi per l Image Indexing e Image Retrieval Introduzione Definizione di multimedia indexing and retrieval system Indexing and retrieval text-based Inverted Indexing Signature Indexing Concept Indexing Indexing e Retrieval content-based Tecniche di retrieval Tecniche di indexing Panoramica sui sistemi CBIR esistenti Teoria della visione attiva Introduzione i

4 Indice 4.2 Concetto di visione attiva Processo di Visual Attention Costruzione Mappa salienza Features statiche Features dinamiche Confronto tra immagini Sistema MOWIS Introduzione Definizione della tassonomia Modulo di Fetching Content based-analysis Popolamento dell ontologia Modulo MMDBMS Introduzione Il linguaggio OWL Progettazione Repository RDF Progettazione IMAGE DATABASE Modulo di Indexing Clustering Tecnica di clustering utilizzata: K-means Modello matematico Information Processor e Ontology Manager Modulo di retrieval Sperimentazione Introduzione Definizione tassonomie iniziali Valutazione efficienza sistema Risultati relativi al retrieval Conclusioni 106 Sviluppi futuri 108 ii

5 Indice Bibliografia 110 Ringraziamenti 115 iii

6 Elenco delle figure 2.1 Ontologie multimediali esistenti, raggruppate per dominio Processo di affinamento di relevance feedback Rappresentazione di un immagine in uno spazio multidimensionale Query by example Metriche di verosimiglianza Struttura albero binario Retrieval basato su cluster Forma primitiva funzione oggettiva Sistema Excalibur Visual RetrievalWare Processo di visual attention Mappa di salienza per l immagine Leone Algoritmo a finestra WTA Architettura sistema MOWIS Processo progetto MOWIS Schema ER repository RDF Progettazione concettuale modello ER Progettazione concettuale secondo livello modello ER Retrieval basato su cluster Formula calcolo centroide Funzione obiettivo clustering Algoritmo 2-means iv

7 Elenco delle figure 5.10 Struttura ad albero dei cluster Esempio cluster Sparql Query Interfaccia utente modulo retrieval Risultato retrieval Domini tassonomie Grafici tempi costruzione ontologie multimediali Grafici a torta distribuzione tempi costruzione ontologie multimediali Grafici dimensione Repository RDF Immagine target per la valutazione della precision Tabella valori di precision al variare di k Andamento valori di precision al variare di k v

8 Elenco delle tabelle vi

9 Introduzione Nonostante gli sforzi di ricerca compiuti negli ultimi anni nell ambito dei multimedia database e della knowledge representation, non esiste ancora una soluzione assestata al problema di come rappresentare, organizzare e gestire i dati multimediali e la relativa semantica. Di solito, le informazioni contenute in un multimedia database sono descritte attraverso metadati, la maggior parte delle volte usando un set predefinito di annotazioni di tipo flat (e.g.il caso dello standard MPEG e del DUBLIN CORE), oppure, in altri casi, usando brevi descrizioni espresse in linguaggio naturale (e.g. Flickr e Youtube). Tale tipologia di annotazioni sono chiaramente inadeguate a supportare un retrieval efficace basate sul contenuto di documenti multimediali. Per tale motivo, nell ultimo decennio, l uso delle ontologie, introdotte con l avvento del Web Semantico, è stato esteso alla rappresentazione della conoscenza legata a quelle che sono le caratteristiche dei dati multimediali. Sono nate così le ontologie multimediali, per potere meglio rappresentare e gestire la semantica legata a tale tipologia di dati, nonché le sue relazioni con i contenuti di basso livello. Dal punto di vista della ricerca, c è ancora un grosso lavoro da fare sulla definizione di quelli che sono gli aspetti intensionali di un ontologia multimediale, in particolare: 1

10 Che cos è un ontologia multimediale? E una semplice tassonomia di concetti, oppure è una rete semantica di metadati (tag, annotazioni)? Deve un ontologia multimediale contenere la rappresentazione dei dati multimediali grezzi (immagini, video, audio, testi, etc...) e in che modo? Come un ontologia deve rappresentare e catturare la semantica relativa ai dati multimediali? Un volta definito un adeguato framework formale per la rappresentazione della conoscenza, com è possibile costruire in maniera automatica la parte estensionale di un ontologia multimediale? Il progetto MOWIS - (Multimedia Ontology from Web Information Sources)- nel quale il lavoro di tesi si colloca ha provato a dare una risposta a tali domande ed in particolare il contributo originale è stato quello di: Definire e sviluppare un framework per la rappresentazione della conoscenza relativa ai dati multimediali (in particolari immagini), attraverso l uso di ontologie; Definire e sviluppare una tecnica per il popolamento automatico di un ontologia che sfrutta la conoscenza contenuta in repository di immagini annotate (e.g Flickr) e considera sia le informazioni di basso livello (ottenute attraverso algoritmi di image processing ) sia quelle di alto livello (ottenute attraverso l applicazione di tecniche di NLP ai tag e alle annotazioni espresse dagli utenti); 2

11 Definire e sviluppare una tecnica che raggruppi le immagini simili in cluster. Definire un retrieval delle immagini basate su un approccio misto: content-based supportato da text-based. Questa attività si è avvantaggiata dei modelli per la categorizzazione ed annotazione automatica di immagini in grosse basi di dati usando vari approcci quali: 1. l estrazione di feature da immagini usando l approccio Animate Vision; 2. la descrizione tassonomica a-priori, basata sui descrittori (tag) estratti da modelli di conoscenza prodotti dagli utenti web come le folksonomie di Flickr. Sommario Il seguente lavoro di tesi è struturato nel seguente modo: Nel primo capitolo viene data una definizione di ontologia multimediale, specificandone le proprietà e le caratteristiche basi. Nel secondo capitolo è trattato lo stato dell arte delle ontologie multimediali, elencandone i possibili usi e alcuni sistemi che utilizzano tali ontologie. Nel terzo capitolo è riportata una descrizione dei sistemi di indexing e retrieval noti in letteratura, mentre nel quarto è data una descrizione degli algoritmi di Animate Vision, utilizzati nel nostro sistema per l indicizzazione delle immagini multimediali. Nel successivo capitolo è spiegato il flusso di progettazione seguito per progettare il sistema di creazione automatica delle ontologie. Nell ultimo 3

12 capitolo invece si riportano alcuni risultati della sperimentazione effettuata per la valutazione dell efficienza del sistema e dell efficacia del retrieval, valutata per tre differenti domini. Infine si riportano considerazioni finali sul progetto e possibili miglioramenti da apportare al sistema. 4

13 Capitolo 1 Ontologie multimediali Di norma, un ontologia è definita come una specificazione esplicita di una concettualizzazione che è, a sua volta, un insieme di oggetti, concetti, e altre entità, che si presumono esistere in qualche area di interesse, e di relazioni sussistenti tra loro [1]. Sottolineando la sua natura concettuale, un ontologia può essere quindi considerata come una teoria utilizzata per rappresentare nozioni pertinenti circa la modellazione di un dominio, classificato in termini di concetti, relazioni e vincoli su di essi. Nel caso del dominio multimediale, un dato oggetto multimediale (media) è costituito da un insieme di simboli, oggetti e concetti. In un immagine si ha una regione di pixel (simbolo) relativa a una porzione del dato multimediale, questa regione è un istanza(oggetto) di un certo concetto. In altre parole, si è in grado di rilevare ambiguità tra le istanze senza conoscenze specifiche. Il processo di costruzione dell ontologia sarà considerata attraverso due principali livelli: basso e alto. La conoscenza associata ad un immagine è quindi descritta attraverso due diversi livelli: 5

14 1. Livello basso: rappresenta le immagini grezze, descritte attraverso features di basso livello, e i cluster con le immagini raggruppate in base a una misura di somiglianza; 2. Livello alto: descrive concetti complessi derivabili dalle informazioni di basso livello. DEFINIZIONE: un ontologia basata su immagini (Image Ontology) è un grafo diretto ed etichettato (V,ɛ,ρ), dove: 1. V è un insieme finito di nodi che possono essere di due tipi: nodi di basso livello (V l ), corrispondenti ad un insieme di immagini raggruppate in cluster, con i relativi descrittore di basso livello (es. Information Path) e un insieme di proprietà (ad esempio titolo, descrizione, tags, ecc..); nodi di alto livello (V h ), corrispondenti a concetti complessi (derivabili da concetti semplici o da altri concetti complessi). 2. ɛ è un sottoinsieme di (V x V); 3. ρ è una funzione che associa a ogni coppia di nodi una label ρ s, indicante il tipo di relazione esistente tra i due nodi, e il relativo grado di affidabilità ρ r [0,1]: ρ : ɛ [ρ r,ρ s ]. In base al tipo di relazione, nel nostro modello si distinguono: 6

15 Similarity relationship: lega due nodi di basso livello (immagini) in funzione del loro grado di similarità; Representativeness relationship: lega un nodo di livello alto con uno di basso livello, contenente quelle caratteristiche che meglio rappresentano il concetto di associazione; Semantic relationship: lega due nodi di alto livello (ad esempio sono relazioni come iperonimi/iponimi, olonimi/meronimi, sinonimi, ecc. recuperabili dai database lessicali come ad esempio WordNet). Generic relationship : lega due nodi di alto livello di cui un nodo può anche appartenere a un ontologia esterna. Riguardo l affidabilità del grado computazionale: Le similarity relationships sfruttano gli algoritmi classici di image matching basati su caratteristiche di basso livello (ad esempio colore, shape, texture, ecc ); Le representative relationship si basano su algoritmi di clustering per determinare la probabilità che un immagine sia una valida rappresentazione di un concetto; La semantic relationship usa le classiche distanze semantiche (ad esempio Wu/Palmer) tra due concetti basati su un database lessicale. 7

16 Capitolo 2 Stato dell arte 2.1 Introduzione Le ontologie trovano applicazione in molti settori tra cui il processamento del linguaggio naturale, la rappresentazione della conoscenza, il commercio elettronico, e molti altri. Un ontologia è una formale, esplicita concettualizzazione di un dominio; in genere, un ontologia è costituita da concetti, proprietà e relazioni tra concetti. In una tipica ontologia i concetti sono rappresentati da termini, in una multimediale i concetti potrebbero essere rappresentati da entità multimediali (immagini, grafici, video, audio, segmenti,etc). Con il termine concettualizzazione si fa riferimento ad un modello astratto di un qualche fenomeno nel mondo, che identifica i concetti rilevanti di tale fenomeno; esplicita perché i concetti utilizzati e i vincoli sul loro uso sono esplicitamente definiti; condivisa perché la conoscenza deve appartenere a tutto il dominio. 8

17 Le ontologie sono state proposte per risolvere i problemi che derivano dall utilizzo di termini diversi per riferirsi allo stesso concetto o all uso dello stesso termine per riferirsi a concetti diversi. Le ontologie forniscono strumenti specifici per organizzare e presentare una descrizione utile di contenuti eterogenei. Per l essere umano, l uso delle ontologie consente un miglior accesso alle informazioni e favorisce la condivisione della conoscenza. Le ontologie possono essere classificate in base alle caratteristiche di concettualizzazione: Representation Ontologies o Meta-Ontologies: catturano i concetti base di rappresentazione usati per formalizzare la conoscenza in un dato sistema di rappresentazione; General Ontologies o Upper-Level Ontologies: classificano le diverse categorie di entità esistenti nel mondo. In questo tipo di ontologie sono rappresentate anche nozioni, indipendenti tra di loro, di un particolare problema o di un particolare dominio; Domain Ontologies: sono ontologie più specifiche. La conoscenza rappresentata è specifica per un determinato dominio. Esse forniscono vocabolari sui concetti e le loro relazioni all interno di un dominio; Application Ontologies: descrivono blocchi di conoscenza, in funzione sia di un particolare dominio sia di un particolare compito. In tale contesto le ontologie possono essere usate in modo efficace per l annotazione semantica dei contenuti multimediali, ma anche per il recupero di tali oggetti. 9

18 2.2 Ontologie multimediali Sebbene i termini linguistici sono adatti a distinguere eventi e categorie di oggetti, essi sono inadeguati se devono descrivere specifici modelli di eventi, o entità multimediali. Infatti questi termini non sempre possono rappresentare concetti visivi e uditivi, quindi, per tali motivi, è necessario estendere le ontologie esistenti affinché possano rappresentare tali informazioni. Queste nuove ontologie prendono il nome di ontologie multimediali. Le ontologie multimediali hanno molti campi di applicazione, tra cui: Content Visualization: possono essere utilizzate per la navigazione di collezioni multimediali. Content Indexing: possono essere utilizzate per migliorare l efficienza dell indicizzazione nei sistemi di annotazione manuale [2], o nella propagazione di labels nei sistemi di indicizzazione automatica. Knowledge sharing: le collezioni multimediali possono essere facilmente condivise se si utilizza una comune rappresentazione. Learning: collezioni annotate da diversi individui che utilizzano ontologie comuni portano ad una annotazione consistente, che è di estrema importanza per gli approcci applicativi basati su tecniche di apprendimento. Reasoning: le informazioni non esplicite nei dati possono essere ottenute automaticamente con l aiuto di una ontologia. 10

19 2.3 Caratteristiche ontologie multimediali Le ontologie multimediali sono necessarie perché i concetti e le categorie definite nelle ontologie tradizionali non sono sufficienti per descrivere completamente gli eventi che possono verificarsi in un oggetto multimediale. Sono un mezzo per specificare la conoscenza del mondo attraverso l uso di documenti multimediali, in modo tale che gli utenti e le applicazioni possano elaborare le descrizioni con riferimento ad una conoscenza comune. Esse modellano il dominio dei dati multimediali, in particolare la visualizzazione di immagini e video, in termini di caratteristiche di basso livello e descrizioni della struttura dell oggetto. Le caratteristiche di basso livello sono machineoriented e possono essere estratte automaticamente (ad esempio i descrittori del formato MPEG-7), mentre i concetti semantici di alto livello necessitano di annotazione manuale e sono limitati ad un dominio specifico. Le ontologie definiscono un linguaggio formale per la conservazione delle caratteristiche di alto livello, facilitano il mapping di caratteristiche di basso livello con le caratteristiche di alto livello e consentono di definire relazioni tra informazioni multimediali. La struttura e la semantica sono accuratamente modellate per essere ampiamente coerenti con gli attuali standard di descrizione multimediali come MPEG-7. Queste ontologie dovrebbero essere in grado di rappresentare la struttura di un documento multimediale a seconda del tipo di documento e delle relazioni tra gli elementi strutturali. Inoltre devono rappresentare e descrivere anche altri tipi di dati multimediali come audiovisivi, grafica 3D, audio e presentazioni multimediali. Occorre distinguere le annotazioni che descrivono l oggetto da quelle riguardanti il con- 11

20 tenuto dell oggetto stesso e devono essere abbastanza ricche per descrivere le relazioni spazio-temporali tra i soggetti raffigurati. Dettagli riguardanti la descrizione dell oggetto multimediale stesso, come ad esempio la data di creazione, l autore, lo scopo per cui è stato creato o la sua storia successiva devono necessariamente essere rappresentate in un ontologia multimediale poiché queste proprietà possono fornire informazioni importanti sul documento multimediale. Le ontologie multimediali possono essere di due tipi : Media-Specific Ontologies: usano tassonomie di differenti tipi multimediali e descrivono proprietà di differenti oggetti. Per esempio, un video può includere proprietà per identificare la lunghezza del video o i tagli delle scene; Content-Specific Ontologies: esse descrivono il contenuto della risorsa come ad esempio lo scenario o i partecipanti. Dal momento che queste ontologie non sono specifiche per i mezzi di comunicazione, esse possono essere riutilizzate da altri documenti che trattano con lo stesso dominio. Questo tipo di riutilizzo migliora la ricerca di un determinato argomento indipendentemente dal formato della risorsa. In più, permette all autore di inserire informazioni per descrivere l argomento trattato oppure, per una foto, permette di inserire la data dello scatto, il luogo dove è stata scattata, chi o cosa è raffigurato nella foto e cosa sta accadendo. Le ontologie multimediali sono utilizzate per il retrieval e l indicizzazione dei contenuti, per la condivisione della conoscenza, per l apprendimento e il 12

21 ragionamento. Esse devono essere progettate per i seguenti scopi: Annotation: ad esempio il riepilogo dei contenuti; Analysis: ad esempio l analisi semantica dei contenuti multimediali; Retrieval: ad esempio la ricerca content-based; Reasoning: ad esempio l applicazione di tecniche di reasoning ai contenuti multimediali; Personalized Filtering: ad esempio la presentazione di contenuti multimediali secondo le preferenze dell utente; Meta-modeling: ontologie usate per modellare i processi multimediali. 2.4 Costruzione delle ontologie multimediali La costruzione delle ontologie multimediali risulta complessa perché sono possibili più specifiche corrette per lo stesso dominio; inoltre devono essere fatte diverse scelte che dipendono dal dominio, dalla finalità dell ontologia, dalla complessità dei contenuti e dalla struttura che li caratterizza. La costruzione di tali ontologie è un processo manuale e iterativo costituito da almeno tre fasi: Selezione dei concetti che devono essere inclusi nell ontologia; Creazione delle proprietà dei concetti e delle relazioni che li legano tra loro; Manutenzione dell ontologia. 13

22 L ontologia può essere costruita utilizzando l approccio concept-driven oppure quello data-driven. L approccio concept-driven non richiede alcun dato: l ontologia è costruita dalla conoscenza generale o specifica del dominio. Nell approccio data-driven l ontologia è costruita principalmente da dati, ma è usata anche la conoscenza del dominio per costruirla. E opinione comune che la costruzione automatica delle ontologie non sia possibile poiché è difficile selezionare automaticamente i concetti e le relazioni. La soluzione si trova nell utilizzo di tecniche di costruzione semi-automatiche che hanno come obiettivo la semplificazione dei passaggi precedenti. Si potrebbero citare numerosi tentativi di costruzione di ontologie multimediali: In [3] le ontologie sono costruite manualmente. Le informazioni testuali disponibili in un video e le caratteristiche visive sono estratte manualmente e assegnate a concetti, proprietà, o relazioni nell ontologia. In [4] sono presentati nuovi metodi per l estrazione della conoscenza semantica da immagini annotate. La conoscenza percettiva si costruisce raggruppando le immagini in cluster basati sulle loro caratteristiche visive e testuali, e la conoscenza semantica è estratta togliendo le ambiguità dal significato delle parole nelle annotazioni usando WordNet e i cluster di immagini. In [5] una Visual Descriptors Ontology ed una Multimedia Structure Ontology, basate rispettivamente su MPEG-7 Visual Descriptors e MPEG-7 MDS, sono usati insieme ad un ontologia di dominio al fine di supportare l annotazione dei contenuti. In [6] le ontologie arricchite attraverso immagini sono state introdotte per 14

23 annotare automaticamente i video. Gli highlights dei clip video sono considerati come esempi di concetti nell ontologia e sono direttamente legati ai concetti corrispondenti, raggruppati in sottoclassi in base alla loro somiglianza percettiva. I concetti visivi sono definiti come i centri di questi cluster, in modo tale che ciascuno di essi rappresenti un modello specifico in cui il concetto può manifestarsi. BOEMIE [7] (Bootsrapping Ontology Evolution con Multimedia Information Extraction) usa un approccio sinergico che unisce l estrazione multimediale e l evoluzione dell ontologia in un processo di avvio automatico che coinvolge, da un lato, l estrazione continua di informazioni semantiche dei contenuti multimediali, al fine di creare ed arricchire le ontologie e, dall altro, la diffusione di queste ontologie per migliorare la robustezza del sistema di estrazione. MOM (Multimedia Ontology Manager) [8] è un sistema completo, che è stato sviluppato secondo i principi e concetti delle ontologie arricchite attraverso immagini. Supporta la creazione dinamica e l update delle ontologie multimediali, offre funzionalità per eseguire automaticamente le annotazioni e creare commenti testuali estesi di sequenze video, e permette query complesse su database video, sulla base della stessa ontologia. OntoMedia è un ontologia multimediale basata su un sistema informativo. Il suo obiettivo principale è la gestione di grandi collezioni multimediali utilizzando tecniche di integrazione semantica dei metadati. Le annotazioni dei documenti multimediali in genere sono state sviluppate seguendo due direzioni diverse. Entrambi gli approcci precedenti si sono concentrati su descrittori di basso livello, come il colore dominante, o si sono concentrati 15

24 sulla dimensione del contenuto e le annotazioni corrispondenti, come persona o veicolo. Un ambiente software che fa da ponte tra le due direzioni è M-OntoMat- Annotizer [9] che permette di collegare descrizioni visive MPEG-7 di basso livello ad ontologie Semantic Web convenzionali. E usato per costruire ontologie che includono concetti di dominio di alto livello con una formale specificazione dei corrispondenti descrittori visivi. Così, permette di formalizzare le relazioni tra i descrittori dei contenuti multimediali di alto e basso livello garantendo nuovi tipi di analisi, ragionamento e recupero dei contenuti multimediali. Ci sono molti linguaggi per descrivere un ontologia (come OWL o la famiglia WSMO) disponibili con differenti capacità di reasoning. I principali criteri per la selezione di un linguaggio ontologico sono il suo meccanismo di rappresentazione della conoscenza e il supporto inferenza/ragionamento necessario ad un applicazione. L elevata complessità della modellazione multimediale richiede un linguaggio di rappresentazione con elevata espressività. Questo fatto, in combinazione con la conformità agli standard W3C rende OWL il linguaggio più appropriato per la rappresentazione multimediale della conoscenza. Un ontologia progettata per applicazioni multimediali dovrebbe abilitare l integrazione degli spazi concettuali e multimediali. M-OWL [10] è un nuovo linguaggio per rappresentare un ontologia che supporta questa capacità. Supporta, per i concetti, la definizione esplicita delle proprietà multimediali. Il linguaggio è stato definito come estensione di OWL, il linguaggio standard per le ontologie web. Ghosh inoltre propone una nuova rete bayesiana basata sul ragionamento probabilistico, utilizzan- 16

25 do M-OWL per l interpretazione semantica di dati multimediali, e un nuovo modello per l integrazione dell ontologia, in base alla somiglianza dei concetti nel dominio multimediale. TAO-XML è un altro linguaggio adatto ad un ontologia multimediale. TAO (TeleAction Object) [11] è un paradigma per la rappresentazione di oggetti multimediali basato su due elementi: un Hypergraph che specifica gli oggetti e le loro relazioni strutturali, e una struttura conoscitiva che descrive l ambiente e le azioni dell oggetto. TAO può essere descritto utilizzando il linguaggio XML, aprendo così la strada verso la rappresentazione delle ontologie multimediali. 2.5 Ontologie multimediali esistenti Le ontologie multimediali esistenti possono essere classificate, in accordo al loro dominio di applicazione, nei seguenti gruppi: Content Structure Ontologies, che si focalizzano sulla descrizione della struttura dei contenuti multimediali; Specific Domain Ontologies, che sono state create per essere utili ad un particolare dominio; Multimedia Upper Ontologies, che sono destinate ad un uso più generale e descrivono concetti di più alto livello che possono essere raffinati attraverso ontologie di dominio, in modo da rendere le procedure per la gestione dei dati multimediali più omogenee; 17

26 Multimedia Core Foundational Ontologies, che sono utilizzate come punto di partenza per la costruzione di nuove ontologie e per fornire un punto di riferimento per il confronto tra diversi approcci ontologici. Figura 2.1: Ontologie multimediali esistenti, raggruppate per dominio L ontologia è stata sviluppata per la rappresentazione, la modellazione e la trasformazione della conoscenza, che deriva da forme digitali. Una forma digitale è un qualsiasi oggetto avente un impatto visivo, che esiste in uno spazio a due o a tre dimensioni. Esempi di queste forme sono immagini, schizzi, oggetti 3D e video. Trovano applicazione nei contesti più diversi, compresa la progettazione di applicazioni industriali, biomediche e di intrattenimento. MEPCO [13] è un ontologia sviluppata per permettere rapporti e collegamenti incrociati tra campagne mediatiche. E creata come un ontologia di Dominio-Specifico che modella parzialmente il dominio dei media ed il dominio pubblicitario. E stata progettata come un estensione dell ontologia di Upper-level PROTON e ha un doppio obiettivo: organizzare uno specifico DB in cui vengono immagazzinate le risorse, e allo stesso tempo aiuta la scoperta, l interconnessione e la tracciabilità delle campagne mediatiche, potenziando quindi gli altri moduli nell architettura del sistema. Il modello ZyX è un Multimedia Upper Ontology sviluppato per il multimedia meta-modeling. Esso fornisce una descrizione ontologica di un modello 18

27 astratto di presentazione multimediale e si basa sul modello ZyX proposto da Boll e Klas [14]. Inoltre descrive documenti multimediali completi, o frammenti di essi, per mezzo di un albero, i cui nodi sono detti elementi di presentazione. Ogni elemento di presentazione ha un punto vincolante ad esso associato, che può riferirsi a una variabile di un altro elemento di presentazione, creando così i bordi della struttura. Tali elementi sono gli elementi generici del modello e possono rappresentare elementi multimediali atomici (ad esempio immagini, video e testo) oppure elementi composti che combinano elementi di presentazione con elementi semantici. L obiettivo del modello ABC [15] è triplice: Fornire una base concettuale per la comprensione e l analisi delle ontologie di metadati esistenti e le istanze; Fornire linee guida alle comunità cominciando a esaminare e sviluppare ontologie descrittive; Sviluppare una base concettuale per la mappatura automatica tra le ontologie di metadati. In quanto tale, l ontologia ABC non è intesa come un vocabolario di metadati a se stante, ma come un ontologia e un modello di base. Il modello ABC incorpora un numero di entità di base e relazioni comuni alle altre ontologie di metadati. In particolare, è stato progettato per modellare oggetti fisici, digitali e analogici conservati nelle biblioteche, nei musei, negli archivi e su Internet. Questo include oggetti di tutti i formati multimediali come testo, immagine, video, audio. Le comunità che hanno intenzione di costruire le 19

La gestione del documento

La gestione del documento Operatore giuridico d impresa Informatica Giuridica A.A 2002/2003 II Semestre La gestione del documento prof. Monica Palmirani Il documento A differenza del dato il documento è solitamente un oggetto non

Dettagli

Introduzione all Information Retrieval

Introduzione all Information Retrieval Introduzione all Information Retrieval Argomenti della lezione Definizione di Information Retrieval. Information Retrieval vs Data Retrieval. Indicizzazione di collezioni e ricerca. Modelli per Information

Dettagli

Analisi dei requisiti e casi d uso

Analisi dei requisiti e casi d uso Analisi dei requisiti e casi d uso Indice 1 Introduzione 2 1.1 Terminologia........................... 2 2 Modello del sistema 4 2.1 Requisiti hardware........................ 4 2.2 Requisiti software.........................

Dettagli

SVILUPPO ONTOLOGIE PER LA GESTIONE DOCUMENTALE E LORO INTEGRAZIONE ALL INTERNO DI UNA PIATTAFORMA WEB

SVILUPPO ONTOLOGIE PER LA GESTIONE DOCUMENTALE E LORO INTEGRAZIONE ALL INTERNO DI UNA PIATTAFORMA WEB Facoltà di Ingegneria Corso di Laurea Specialistica in Ingegneria Informatica SVILUPPO ONTOLOGIE PER LA GESTIONE DOCUMENTALE E LORO INTEGRAZIONE ALL INTERNO DI UNA PIATTAFORMA WEB Relatore Chiarissimo

Dettagli

Facoltà di Farmacia - Corso di Informatica

Facoltà di Farmacia - Corso di Informatica Basi di dati Riferimenti: Curtin cap. 8 Versione: 13/03/2007 1 Basi di dati (Database, DB) Una delle applicazioni informatiche più utilizzate, ma meno conosciute dai non informatici Avete già interagito

Dettagli

RICERCA DELL INFORMAZIONE

RICERCA DELL INFORMAZIONE RICERCA DELL INFORMAZIONE DOCUMENTO documento (risorsa informativa) = supporto + contenuto analogico o digitale locale o remoto (accessibile in rete) testuale, grafico, multimediale DOCUMENTO risorsa continuativa

Dettagli

Basi di Dati Multimediali. Fabio Strocco

Basi di Dati Multimediali. Fabio Strocco Basi di Dati Multimediali Fabio Strocco September 19, 2011 1 Contents 2 Introduzione Le basi di dati (o database) hanno applicazioni in molti campi, in cui è necessario memorizzare, analizzare e gestire

Dettagli

Considera tutti i requisiti funzionali (use cases) NON deve necessariamente modellare i requisiti non funzionali

Considera tutti i requisiti funzionali (use cases) NON deve necessariamente modellare i requisiti non funzionali Corso di Laurea Specialistica in Ingegneria Informatica Corso di Ingegneria del Software A. A. 2008 - Progettazione OO E. TINELLI Punto di Partenza Il modello di analisi E una rappresentazione minima del

Dettagli

TEORIA sulle BASI DI DATI

TEORIA sulle BASI DI DATI TEORIA sulle BASI DI DATI A cura del Prof. Enea Ferri Cos è un DATA BASE E un insieme di archivi legati tra loro da relazioni. Vengono memorizzati su memorie di massa come un unico insieme, e possono essere

Dettagli

Modellazione di sistema

Modellazione di sistema Corso di Laurea Specialistica in Ingegneria Informatica Corso di Ingegneria del Software A. A. 2008 - Modellazione di sistema E. TINELLI Contenuti Approcci di analisi Linguaggi di specifica Modelli di

Dettagli

Progettaz. e sviluppo Data Base

Progettaz. e sviluppo Data Base Progettaz. e sviluppo Data Base! Introduzione ai Database! Tipologie di DB (gerarchici, reticolari, relazionali, oodb) Introduzione ai database Cos è un Database Cos e un Data Base Management System (DBMS)

Dettagli

Lezione 1. Introduzione e Modellazione Concettuale

Lezione 1. Introduzione e Modellazione Concettuale Lezione 1 Introduzione e Modellazione Concettuale 1 Tipi di Database ed Applicazioni Database Numerici e Testuali Database Multimediali Geographic Information Systems (GIS) Data Warehouses Real-time and

Dettagli

Informatica Documentale

Informatica Documentale Informatica Documentale Ivan Scagnetto (scagnett@dimi.uniud.it) Stanza 3, Nodo Sud Dipartimento di Matematica e Informatica Via delle Scienze, n. 206 33100 Udine Tel. 0432 558451 Ricevimento: giovedì,

Dettagli

Progettare una basi di dati vuole dire progettare la struttura dei dati e le applicazioni

Progettare una basi di dati vuole dire progettare la struttura dei dati e le applicazioni LA PROGETTAZIONE DI BASI DI DATI Progettare una basi di dati vuole dire progettare la struttura dei dati e le applicazioni La progettazione dei dati è l attività più importante Per progettare i dati al

Dettagli

2.1 Introduzione ai linguaggi di marcatura

2.1 Introduzione ai linguaggi di marcatura Fondamenti di Informatica Sistemi di Elaborazione delle Informazioni Informatica Applicata 2.1 Introduzione ai linguaggi di marcatura Antonella Poggi Anno Accademico 2012-2013 DIPARTIMENTO DI SCIENZE DOCUMENTARIE

Dettagli

Alessandra Raffaetà. Basi di Dati

Alessandra Raffaetà. Basi di Dati Lezione 2 S.I.T. PER LA VALUTAZIONE E GESTIONE DEL TERRITORIO Corso di Laurea Magistrale in Scienze Ambientali Alessandra Raffaetà Dipartimento di Informatica Università Ca Foscari Venezia Basi di Dati

Dettagli

Pubblicazione di Linked Data in e-commerce: Progettazione e Sperimentazione (Riassunto)

Pubblicazione di Linked Data in e-commerce: Progettazione e Sperimentazione (Riassunto) Universitá degli Studi di Milano Bicocca Dipartimento di Informatica, Sistemistica e Comunicazione Corso di Laurea in Informatica Pubblicazione di Linked Data in e-commerce: Progettazione e Sperimentazione

Dettagli

Relazione introduttiva Febbraio 2006

Relazione introduttiva Febbraio 2006 Amministrazione Provincia di Rieti Febbraio 2006 1 Progetto Sistema Informativo Territoriale Amministrazione Provincia di Rieti Premessa L aumento della qualità e quantità dei servizi che ha caratterizzato

Dettagli

Indicizzazione terza parte e modello booleano

Indicizzazione terza parte e modello booleano Reperimento dell informazione (IR) - aa 2014-2015 Indicizzazione terza parte e modello booleano Gruppo di ricerca su Sistemi di Gestione delle Informazioni (IMS) Dipartimento di Ingegneria dell Informazione

Dettagli

LABORATORIO. 2 Lezioni su Basi di Dati Contatti:

LABORATORIO. 2 Lezioni su Basi di Dati Contatti: PRINCIPI DI INFORMATICA CORSO DI LAUREA IN SCIENZE BIOLOGICHE Gennaro Cordasco e Rosario De Chiara {cordasco,dechiara}@dia.unisa.it Dipartimento di Informatica ed Applicazioni R.M. Capocelli Laboratorio

Dettagli

Le Basi di dati: generalità. Unità di Apprendimento A1 1

Le Basi di dati: generalità. Unità di Apprendimento A1 1 Le Basi di dati: generalità Unità di Apprendimento A1 1 1 Cosa è una base di dati In ogni modello di organizzazione della vita dell uomo vengono trattate informazioni Una volta individuate e raccolte devono

Dettagli

Introduzione al Semantic Web

Introduzione al Semantic Web Corso di Laurea Specialistica in Ingegneria Gestionale Corso di Sistemi Informativi Modulo II A. A. 2013-2014 Giuseppe Loseto Dal Web al Semantic Web 2 Dal Web al Semantic Web: Motivazioni Il Web dovrebbe

Dettagli

INFORMATICA. Applicazioni WEB a tre livelli con approfondimento della loro manutenzione e memorizzazione dati e del DATABASE.

INFORMATICA. Applicazioni WEB a tre livelli con approfondimento della loro manutenzione e memorizzazione dati e del DATABASE. INFORMATICA Applicazioni WEB a tre livelli con approfondimento della loro manutenzione e memorizzazione dati e del DATABASE. APPLICAZIONI WEB L architettura di riferimento è quella ampiamente diffusa ed

Dettagli

Sistemi Informativi Multimediali 1 - Introduzione

Sistemi Informativi Multimediali 1 - Introduzione Che cos è un sistema informativo multimediale? Sistemi Informativi li 1 - Introduzione Augusto Celentano Università Ca Foscari di Venezia Un sistema informativo multimediale (MMDBMS) è un framework che

Dettagli

ACRL Association of College and Research Libraries

ACRL Association of College and Research Libraries ACRL Association of College and Research Libraries Standard delle competenze per il possesso dell informazione (information literacy) nell educazione superiore Standard, indicatori di performance, obiettivi

Dettagli

Corso di Access. Prerequisiti. Modulo L2A (Access) 1.1 Concetti di base. Utilizzo elementare del computer Concetti fondamentali di basi di dati

Corso di Access. Prerequisiti. Modulo L2A (Access) 1.1 Concetti di base. Utilizzo elementare del computer Concetti fondamentali di basi di dati Corso di Access Modulo L2A (Access) 1.1 Concetti di base 1 Prerequisiti Utilizzo elementare del computer Concetti fondamentali di basi di dati 2 1 Introduzione Un ambiente DBMS è un applicazione che consente

Dettagli

Linguaggi e Paradigmi di Programmazione

Linguaggi e Paradigmi di Programmazione Linguaggi e Paradigmi di Programmazione Cos è un linguaggio Definizione 1 Un linguaggio è un insieme di parole e di metodi di combinazione delle parole usati e compresi da una comunità di persone. È una

Dettagli

ASSE STORICO SOCIALE

ASSE STORICO SOCIALE ASSE STORICO SOCIALE 1 ASSE STORICO SOCIALE competenze attese d asse indicatori descrittori Competenze di asse Indicatori Descrittori 1. Comprendere il cambiamento e la diversità dei tempi storici in una

Dettagli

Corso di Basi di Dati Multimediali

Corso di Basi di Dati Multimediali Corso di Basi di Dati Multimediali Lezione su: MMDBMS (Multimedia Data Base Manage System) Studente; Enrico Leone Matr. 961/142 Basi di Dati Multimediali Multimedia Database Manage System Deve supportare

Dettagli

Data Base. Prof. Filippo TROTTA

Data Base. Prof. Filippo TROTTA Data Base Definizione di DataBase Un Database può essere definito come un insieme di informazioni strettamente correlate, memorizzate su un supporto di memoria di massa, costituenti un tutt uno, che possono

Dettagli

Progetto Finale: Progettazione di un database e di una applicazione

Progetto Finale: Progettazione di un database e di una applicazione Progetto Finale: Progettazione di un database e di una applicazione Roberto Basili Corso di Basi Di Dati a.a. 2002-2003 Norme Generali Il progetto fa parte della valutazione gobale del corso e la data

Dettagli

1. BASI DI DATI: GENERALITÀ

1. BASI DI DATI: GENERALITÀ 1. BASI DI DATI: GENERALITÀ BASE DI DATI (DATABASE, DB) Raccolta di informazioni o dati strutturati, correlati tra loro in modo da risultare fruibili in maniera ottimale. Una base di dati è usualmente

Dettagli

MANUALE UTENTE DELLA BIBLIOTECA VIRTUALE

MANUALE UTENTE DELLA BIBLIOTECA VIRTUALE MANUALE UTENTE DELLA BIBLIOTECA VIRTUALE Il sistema di ricerca della biblioteca virtuale permette di accedere in maniera rapida ai materiali didattici di interesse degli studenti presenti all interno del

Dettagli

Metodologia Classica di Progettazione delle Basi di Dati

Metodologia Classica di Progettazione delle Basi di Dati Metodologia Classica di Progettazione delle Basi di Dati Metodologia DB 1 Due Situazioni Estreme Realtà Descritta da un documento testuale che rappresenta un insieme di requisiti del software La maggiore

Dettagli

Text mining ed analisi di dati codificati in linguaggio naturale. Analisi esplorative di dati testuali

Text mining ed analisi di dati codificati in linguaggio naturale. Analisi esplorative di dati testuali Text mining ed analisi di dati codificati in linguaggio naturale Analisi esplorative di dati testuali Il text mining: una definizione Data mining per dati destrutturati ovvero documenti codificati in linguaggio

Dettagli

Strumenti di modellazione. Gabriella Trucco

Strumenti di modellazione. Gabriella Trucco Strumenti di modellazione Gabriella Trucco Linguaggio di modellazione Linguaggio formale che può essere utilizzato per descrivere (modellare) un sistema Il concetto trova applicazione soprattutto nell

Dettagli

Macchine per l elaborazione dell informazion e. Sistemi di Elaborazione delle Informazioni. Informatica II

Macchine per l elaborazione dell informazion e. Sistemi di Elaborazione delle Informazioni. Informatica II Macchine per l elaborazione dell informazion e Sistemi di Elaborazione delle Informazioni Informatica II Ing. Mauro Iacono Seconda Università degli Studi di Napoli Facoltà di Studi Politici e per l Alta

Dettagli

Il progetto di ricerca Ellade

Il progetto di ricerca Ellade Il progetto di ricerca Ellade Ellade ELectronic Live ADaptive Learning Gruppo di lavoro Università degli Studi della Calabria, Dipartimento di Matematica Università degli Studi Mediterranea di Reggio Calabria,

Dettagli

Database. Si ringrazia Marco Bertini per le slides

Database. Si ringrazia Marco Bertini per le slides Database Si ringrazia Marco Bertini per le slides Obiettivo Concetti base dati e informazioni cos è un database terminologia Modelli organizzativi flat file database relazionali Principi e linee guida

Dettagli

Telerilevamento e GIS Prof. Ing. Giuseppe Mussumeci

Telerilevamento e GIS Prof. Ing. Giuseppe Mussumeci Corso di Laurea Magistrale in Ingegneria per l Ambiente e il Territorio A.A. 2014-2015 Telerilevamento e GIS Prof. Ing. Giuseppe Mussumeci Strutture di dati: DB e DBMS DATO E INFORMAZIONE Dato: insieme

Dettagli

Piattaforma ilearn di Hiteco. Presentazione Piattaforma ilearn

Piattaforma ilearn di Hiteco. Presentazione Piattaforma ilearn Presentazione Piattaforma ilearn 1 Sommario 1. Introduzione alla Piattaforma Hiteco ilearn...3 1.1. Che cos è...3 1.2. A chi è rivolta...4 1.3. Vantaggi nell utilizzo...4 2. Caratteristiche della Piattaforma

Dettagli

LEZIONE 3. Il pannello di amministrazione di Drupal, configurazione del sito

LEZIONE 3. Il pannello di amministrazione di Drupal, configurazione del sito LEZIONE 3 Il pannello di amministrazione di Drupal, configurazione del sito Figura 12 pannello di controllo di Drupal il back-end Come già descritto nella lezione precedente il pannello di amministrazione

Dettagli

Elementi di Informatica e Programmazione

Elementi di Informatica e Programmazione Elementi di Informatica e Programmazione Il concetto di Algoritmo e di Calcolatore Corsi di Laurea in: Ingegneria Civile Ingegneria per l Ambiente e il Territorio Università degli Studi di Brescia Cos

Dettagli

UNIVERSITÀ DEGLI STUDI DI BRESCIA Facoltà di Ingegneria

UNIVERSITÀ DEGLI STUDI DI BRESCIA Facoltà di Ingegneria UNIVERSITÀ DEGLI STUDI DI BRESCIA ESAME DI STATO DI ABILITAZIONE ALL'ESERCIZIO DELLA PROFESSIONE DI INGEGNERE (SEZ. B: Lauree I Livello D.M. 509/99 e D.M. 270/04 e Diploma Universitario) PRIMA PROVA SCRITTA

Dettagli

Lezione 8. Motori di Ricerca

Lezione 8. Motori di Ricerca Lezione 8 Motori di Ricerca Basi di dati Un campo prevalente dell applicazione informatica è quello costituito dall archiviazione e dalla gestione dei dati (basi di dati). Sistema Informativo. Un sistema

Dettagli

Intelligenza Artificiale

Intelligenza Artificiale Intelligenza Artificiale Anno accademico 2008-2009 Information Retrieval: Text Categorization Una definizione formale Sia D il dominio dei documenti Sia C = {c 1,,c C } un insieme di categorie predefinite

Dettagli

Configuration of a distributed system as emerging behavior of autonomous agents

Configuration of a distributed system as emerging behavior of autonomous agents Configuration of a distributed system as emerging behavior of autonomous agents Configuration of a distributed system as emerging behavior of autonomous agents : Questo documento illustra la strategia

Dettagli

Sistemi Informativi e Basi di Dati

Sistemi Informativi e Basi di Dati Sistemi Informativi e Basi di Dati Laurea Specialistica in Tecnologie di Analisi degli Impatti Ecotossicologici Docente: Francesco Geri Dipartimento di Scienze Ambientali G. Sarfatti Via P.A. Mattioli

Dettagli

SiStema dam e Stampa. automatizzata

SiStema dam e Stampa. automatizzata 0100101010010 0100101010 010101111101010101010010 1001010101010100100001010 111010 01001010100 10101 111101010101010010100101 0 1 0 1 0 1 0 1 0 0 1 0 0 0 0 1 0 1 0 1 1 1 0 1 0 010010101001010 1111101010101

Dettagli

1. Rappresentazione della conoscenza 2. Ontologie 3. Usi delle ontologie 4. Progettazione di un ontologia 5. Esempio di progettazione di una

1. Rappresentazione della conoscenza 2. Ontologie 3. Usi delle ontologie 4. Progettazione di un ontologia 5. Esempio di progettazione di una 1. Rappresentazione della conoscenza 2. Ontologie 3. Usi delle ontologie 4. Progettazione di un ontologia 5. Esempio di progettazione di una ontologia 1 Rappresentazione della conoscenza Il problema di

Dettagli

I Problemi e la loro Soluzione. Il Concetto Intuitivo di Calcolatore. Risoluzione di un Problema. Esempio

I Problemi e la loro Soluzione. Il Concetto Intuitivo di Calcolatore. Risoluzione di un Problema. Esempio Il Concetto Intuitivo di Calcolatore Fondamenti di Informatica A Ingegneria Gestionale Università degli Studi di Brescia Docente: Prof. Alfonso Gerevini I Problemi e la loro Soluzione Problema: classe

Dettagli

Realizzazione di un Tool per l iniezione automatica di difetti all interno di codice Javascript

Realizzazione di un Tool per l iniezione automatica di difetti all interno di codice Javascript tesi di laurea di difetti all interno di codice Javascript Anno Accademico 2009/2010 relatore Ch.mo prof. Porfirio Tramontana correlatore Ch.mo ing. Domenico Amalfitano candidato Vincenzo Riccio Matr.

Dettagli

Screenshot dimostrativi degli strumenti presentati alle Roundtables Microsoft

Screenshot dimostrativi degli strumenti presentati alle Roundtables Microsoft Le informazioni contenute in questo documento sono di proprietà di MESA s.r.l. e del destinatario del documento. Tali informazioni sono strettamente legate ai commenti orali che le hanno accompagnate,

Dettagli

Organizzazione delle informazioni: Database

Organizzazione delle informazioni: Database Organizzazione delle informazioni: Database Laboratorio Informatico di base A.A. 2013/2014 Dipartimento di Scienze Aziendali e Giuridiche Università della Calabria Dott. Pierluigi Muoio (pierluigi.muoio@unical.it)

Dettagli

Archivi e database. Lezione n. 7

Archivi e database. Lezione n. 7 Archivi e database Lezione n. 7 Dagli archivi ai database (1) I dati non sempre sono stati considerati dall informatica oggetto separato di studio e di analisi Nei primi tempi i dati erano parte integrante

Dettagli

Unità Formativa 2.2: Definizione degli obiettivi dell intervento.

Unità Formativa 2.2: Definizione degli obiettivi dell intervento. Unità Formativa 2.2: Definizione degli obiettivi dell intervento. Una volta realizzata l analisi del contesto di riferimento e dei fabbisogni formativi che esso esprime (vedi UF 2.1), il progettista dispone

Dettagli

LE MAPPE CONCETTUALI PER PROMUOVERE L APPRENDIMENTO SIGNIFICATIVO JOSEPH D. NOVAK

LE MAPPE CONCETTUALI PER PROMUOVERE L APPRENDIMENTO SIGNIFICATIVO JOSEPH D. NOVAK LE MAPPE CONCETTUALI PER PROMUOVERE L APPRENDIMENTO SIGNIFICATIVO JOSEPH D. NOVAK Le mappe concettuali sono strumenti per l organizzazione delle informazioni in modo da favorire ad un livello profondo

Dettagli

Progettazione di interfacce web indipendenti dal dispositivo

Progettazione di interfacce web indipendenti dal dispositivo Progettazione di interfacce web indipendenti dal dispositivo Candidato Izzo Giovanni, Matr. 41/1305 Relatore Prof. Porfirio Tramontana 1 Panoramica su contesto ed obiettivi Il contesto della tesi è legato

Dettagli

5. Requisiti del Software II

5. Requisiti del Software II 5. Requisiti del Software II Come scoprire cosa? Andrea Polini Ingegneria del Software Corso di Laurea in Informatica (Ingegneria del Software) 5. Requisiti del Software II 1 / 22 Sommario 1 Generalità

Dettagli

Come utilizzare il nuovo LEGGI D ITALIA Pubblica Amministrazione

Come utilizzare il nuovo LEGGI D ITALIA Pubblica Amministrazione Come utilizzare il nuovo LEGGI D ITALIA Pubblica Amministrazione 1 Cos è il nuovo Sistema LEGGI D ITALIA Pubblica Amministrazione è la nuova soluzione on line integrata e intelligente, realizzata su misura

Dettagli

Corso di Laurea in INFORMATICA

Corso di Laurea in INFORMATICA Corso di Laurea in INFORMATICA Algoritmi e Strutture Dati MODULO 2. Algebre di dati Dati e rappresentazioni, requisiti delle astrazioni di dati, costrutti. Astrazioni di dati e dati primitivi. Specifica

Dettagli

Un portale semantico per i Beni Culturali

Un portale semantico per i Beni Culturali Un portale semantico per i Beni Culturali A. Ciapetti, D. Berardi, A. Donnini, M. Lorenzini, M.E. Masci, D. Merlitti, S. Norcia, F. Piro (Etcware) M. De Vizia Guerriero, O. Signore (CNR W3C Italia) EVA

Dettagli

cos è l architettura dell informazione?

cos è l architettura dell informazione? Tipologia dei dati e organizzazione delle informazioni Sistemi di indicizzazione e recupero 3. Architettura dell informazione cos è l architettura dell informazione? E la progettazione di spazi informativi

Dettagli

INFORMATICA. Obiettivi Biennio Economico in termini di competenze:

INFORMATICA. Obiettivi Biennio Economico in termini di competenze: INFORMATICA Obiettivi Biennio Economico in termini di competenze: 1. individuare le strategie appropriate per la soluzione di problemi. 2. utilizzare e produrre testi multimediali. 3. analizzare dati ed

Dettagli

Introduzione Ai Data Bases. Prof. Francesco Accarino IIS Altiero Spinelli Via Leopardi 132 Sesto San giovanni

Introduzione Ai Data Bases. Prof. Francesco Accarino IIS Altiero Spinelli Via Leopardi 132 Sesto San giovanni Introduzione Ai Data Bases Prof. Francesco Accarino IIS Altiero Spinelli Via Leopardi 132 Sesto San giovanni I Limiti Degli Archivi E Il Loro Superamento Le tecniche di gestione delle basi di dati nascono

Dettagli

Indice generale. OOA Analisi Orientata agli Oggetti. Introduzione. Analisi

Indice generale. OOA Analisi Orientata agli Oggetti. Introduzione. Analisi Indice generale OOA Analisi Orientata agli Oggetti Introduzione Analisi Metodi d' analisi Analisi funzionale Analisi del flusso dei dati Analisi delle informazioni Analisi Orientata agli Oggetti (OOA)

Dettagli

INTRODUZIONE. Data Base Management Systems evoluzione tecniche gestione dati

INTRODUZIONE. Data Base Management Systems evoluzione tecniche gestione dati INTRODUZIONE Accesso ai dati tramite DBMS Livelli di astrazione Modello dei dati: schema / istanza / metadati Alcuni modelli dei dati Linguaggi per DBMS Architettura di base di un DBMS cesarini - BDSI

Dettagli

PROGETTO CLUSTER INTELLIGENZA D AMBIENTE: Tecnologie ed Applicazioni

PROGETTO CLUSTER INTELLIGENZA D AMBIENTE: Tecnologie ed Applicazioni PROGETTO CLUSTER INTELLIGENZA D AMBIENTE: Tecnologie ed Applicazioni FASE 1: Definizione del Piano di Formazione di massima per i quattro filoni tecnologici individuati Di seguito vengono proposti i piani

Dettagli

Traduzione non ufficiale

Traduzione non ufficiale Traduzione non ufficiale Proposta di RACCOMANDAZIONE DEL PARLAMENTO EUROPEO E DEL CONSIGLIO sulla costituzione del Quadro europeo delle Qualifiche per l apprendimento permanente (testo con attinenza all

Dettagli

Sommario. Definizione di informatica. Definizione di un calcolatore come esecutore. Gli algoritmi.

Sommario. Definizione di informatica. Definizione di un calcolatore come esecutore. Gli algoritmi. Algoritmi 1 Sommario Definizione di informatica. Definizione di un calcolatore come esecutore. Gli algoritmi. 2 Informatica Nome Informatica=informazione+automatica. Definizione Scienza che si occupa dell

Dettagli

capitolo 6 IL QUESTIONARIO PER LA VALUTV ALUTAZIONEAZIONE DEI CONTENUTI

capitolo 6 IL QUESTIONARIO PER LA VALUTV ALUTAZIONEAZIONE DEI CONTENUTI capitolo 6 IL QUESTIONARIO PER LA VALUTV ALUTAZIONEAZIONE DEI CONTENUTI 6.1 ISTRUZIONI PER IL VALUTATORE Il processo di valutazione si articola in quattro fasi. Il Valutatore deve: 1 leggere il questionario;

Dettagli

Altri metodi di indicizzazione

Altri metodi di indicizzazione Organizzazione a indici su più livelli Altri metodi di indicizzazione Al crescere della dimensione del file l organizzazione sequenziale a indice diventa inefficiente: in lettura a causa del crescere del

Dettagli

Cultura Tecnologica di Progetto

Cultura Tecnologica di Progetto Cultura Tecnologica di Progetto Politecnico di Milano Facoltà di Disegno Industriale - DATABASE - A.A. 2003-2004 2004 DataBase DB e DataBase Management System DBMS - I database sono archivi che costituiscono

Dettagli

Progettazione concettuale

Progettazione concettuale Progettazione concettuale Strategie top-down A partire da uno schema che descrive le specifiche mediante pochi concetti molto astratti, si produce uno schema concettuale mediante raffinamenti successivi

Dettagli

Correttezza. Corso di Laurea Ingegneria Informatica Fondamenti di Informatica 1. Dispensa 10. A. Miola Novembre 2007

Correttezza. Corso di Laurea Ingegneria Informatica Fondamenti di Informatica 1. Dispensa 10. A. Miola Novembre 2007 Corso di Laurea Ingegneria Informatica Fondamenti di Informatica 1 Dispensa 10 Correttezza A. Miola Novembre 2007 http://www.dia.uniroma3.it/~java/fondinf1/ Correttezza 1 Contenuti Introduzione alla correttezza

Dettagli

Rational Unified Process Introduzione

Rational Unified Process Introduzione Rational Unified Process Introduzione G.Raiss - A.Apolloni - 4 maggio 2001 1 Cosa è E un processo di sviluppo definito da Booch, Rumbaugh, Jacobson (autori dell Unified Modeling Language). Il RUP è un

Dettagli

Informatica Applicata 3.3 OWL. Antonella Poggi. Anno Accademico 2012-2013 DIPARTIMENTO DI SCIENZE DOCUMENTARIE LINGUISTICO FILOLOGICHE E GEOGRAFICHE

Informatica Applicata 3.3 OWL. Antonella Poggi. Anno Accademico 2012-2013 DIPARTIMENTO DI SCIENZE DOCUMENTARIE LINGUISTICO FILOLOGICHE E GEOGRAFICHE Informatica Applicata 3.3 OWL Antonella Poggi Anno Accademico 2012-2013 DIPARTIMENTO DI SCIENZE DOCUMENTARIE LINGUISTICO FILOLOGICHE E GEOGRAFICHE The Semantic Web Tower Antonella Poggi Pagina 2 Le ontologie

Dettagli

ANNO SCOLASTICO 2014/2015. LICEO SCIENTIFICO STATALE A. VOLTA Via Juvarra, 14 - Torino

ANNO SCOLASTICO 2014/2015. LICEO SCIENTIFICO STATALE A. VOLTA Via Juvarra, 14 - Torino ANNO SCOLASTICO 2014/2015 LICEO SCIENTIFICO STATALE A. VOLTA Via Juvarra, 14 - Torino Obiettivi minimi Informatica Prime Conoscere il sistema di numerazione binaria e la sua importanza nella codifica delle

Dettagli

PROGRAMMAZIONE DIDATTICA DISCIPLINARE

PROGRAMMAZIONE DIDATTICA DISCIPLINARE Pag. 1 di 8 PROGRAMMAZIONE DIDATTICA DISCIPLINARE Disciplina Tecnologie informatiche a.s. 2015/2016 Classe: 1 a Sez. Q,R,S Docente : Prof. Emanuele Ghironi / Prof.Davide Colella Pag. 2 di 8 PERCORSI MULTIDISCIPLINARI/INTERDISCIPLINARI

Dettagli

Prime sperimentazioni d'indicizzazione [semi]automatica alla BNCF

Prime sperimentazioni d'indicizzazione [semi]automatica alla BNCF Prime sperimentazioni d'indicizzazione [semi]automatica alla BNCF Maria Grazia Pepe - Elisabetta Viti (Biblioteca nazionale centrale di Firenze) 6. Incontro ISKO Italia Firenze 20 maggio 2013 SOMMARIO

Dettagli

Rappresentazione della Conoscenza. Lezione 10. Rappresentazione della conoscenza, D. Nardi, 2004, Lezione 10 0

Rappresentazione della Conoscenza. Lezione 10. Rappresentazione della conoscenza, D. Nardi, 2004, Lezione 10 0 Rappresentazione della Conoscenza Lezione 10 Rappresentazione della conoscenza, D. Nardi, 2004, Lezione 10 0 Sistemi ed applicazioni Sistemi di rappresentazione della conoscenza basati su logiche descrittive.

Dettagli

IL PROBLEMA DELLA RICERCA DI INFORMAZIONI su Internet e sul web

IL PROBLEMA DELLA RICERCA DI INFORMAZIONI su Internet e sul web IL PROBLEMA DELLA RICERCA DI INFORMAZIONI su Internet e sul web GLI INTERROGATIVI 1. Perché Internet è il più grande contenitore di info del mondo? 2. Perché non è sempre facile reperire informazione utile

Dettagli

Sistemi Informativi Geografici

Sistemi Informativi Geografici Sistemi Informativi Geografici Introduzione ai dati geografici Alberto Belussi Anno accademico 2007-08 08 Sistemi Informativi Territoriali (SIT) o Geografici I Sistemi Informativi Territoriali (SIT) gestiscono

Dettagli

Abstract Data Type (ADT)

Abstract Data Type (ADT) Abstract Data Type Pag. 1/10 Abstract Data Type (ADT) Iniziamo la nostra trattazione presentando una nozione che ci accompagnerà lungo l intero corso di Laboratorio Algoritmi e Strutture Dati: il Tipo

Dettagli

Progetto interregionale ICAR Interoperabilità e Cooperazione Applicativa tra le Regioni.

Progetto interregionale ICAR Interoperabilità e Cooperazione Applicativa tra le Regioni. <Task AP3> Progetto interregionale ICAR Interoperabilità e Cooperazione Applicativa tra le Regioni AP3-Documento Descrittivo degli Accordi di Servizio Versione AP3-specificaADSv1.2.1.doc Pag. 1

Dettagli

Analisi matriciale delle reti di Petri (P/T) - sifoni e trappole -

Analisi matriciale delle reti di Petri (P/T) - sifoni e trappole - Analisi matriciale delle reti di Petri (P/T) - sifoni e trappole - - richiami preliminari sulle proprietà strutturali - Abbiamo visto che alcune caratteristiche dei sistemi dinamici (DES compresi) non

Dettagli

I Modelli della Ricerca Operativa

I Modelli della Ricerca Operativa Capitolo 1 I Modelli della Ricerca Operativa 1.1 L approccio modellistico Il termine modello è di solito usato per indicare una costruzione artificiale realizzata per evidenziare proprietà specifiche di

Dettagli

SISTEMI OPERATIVI DISTRIBUITI

SISTEMI OPERATIVI DISTRIBUITI SISTEMI OPERATIVI DISTRIBUITI E FILE SYSTEM DISTRIBUITI 12.1 Sistemi Distribuiti Sistemi operativi di rete Sistemi operativi distribuiti Robustezza File system distribuiti Naming e Trasparenza Caching

Dettagli

Librerie digitali. Video. Gestione di video. Caratteristiche dei video. Video. Metadati associati ai video. Metadati associati ai video

Librerie digitali. Video. Gestione di video. Caratteristiche dei video. Video. Metadati associati ai video. Metadati associati ai video Video Librerie digitali Gestione di video Ogni filmato è composto da più parti Video Audio Gestito come visto in precedenza Trascrizione del testo, identificazione di informazioni di interesse Testo Utile

Dettagli

Metodologia di progettazione di un SIT

Metodologia di progettazione di un SIT Metodologia di progettazione di un SIT Approccio alla progettazione di soluzioni ICT a supporto della governance territoriale Corso di Sistemi Informativi Territoriali Avanzati UD13 Corso di Laurea Magistrale

Dettagli

Obiettivo Principale: Aiutare gli studenti a capire cos è la programmazione

Obiettivo Principale: Aiutare gli studenti a capire cos è la programmazione 4 LEZIONE: Programmazione su Carta a Quadretti Tempo della lezione: 45-60 Minuti. Tempo di preparazione: 10 Minuti Obiettivo Principale: Aiutare gli studenti a capire cos è la programmazione SOMMARIO:

Dettagli

Introduzione alle basi di dati (prima parte)

Introduzione alle basi di dati (prima parte) Introduzione alle basi di dati (prima parte) Università degli Studi di Salerno Corso di Laurea in Scienze della Comunicazione Informatica generale (matr. Dispari) Docente: Angela Peduto A.A. 2007/2008

Dettagli

Modello OAIS. Modello di riferimento. Il Modello. Prof.ssa E. Gentile a.a. 2011-2012. Un modello di riferimento dovrebbe descrivere:

Modello OAIS. Modello di riferimento. Il Modello. Prof.ssa E. Gentile a.a. 2011-2012. Un modello di riferimento dovrebbe descrivere: Modello OAIS Prof.ssa E. Gentile a.a. 2011-2012 Prof.ssa E. Gentile Progettazione e Produzione di Contenuti Digitali 1 Modello di riferimento Un modello di riferimento dovrebbe descrivere: le componenti

Dettagli

ISTITUTO TECNICO ECONOMICO MOSSOTTI

ISTITUTO TECNICO ECONOMICO MOSSOTTI CLASSE III INDIRIZZO S.I.A. UdA n. 1 Titolo: conoscenze di base Conoscenza delle caratteristiche dell informatica e degli strumenti utilizzati Informatica e sistemi di elaborazione Conoscenza delle caratteristiche

Dettagli

Introduzione alla Progettazione per Componenti

Introduzione alla Progettazione per Componenti Introduzione alla Progettazione per Componenti Alessandro Martinelli 6 ottobre 2014 Obiettivo del Corso Il Progetto Software Reale Il Componente Software La Programmazione Ad Oggetti Fondamenti di Informatica

Dettagli

Semantica: un sistema per l indicizzazione, il retrieval semantico di learning objects e la generazione automatica di corsi didattici

Semantica: un sistema per l indicizzazione, il retrieval semantico di learning objects e la generazione automatica di corsi didattici Tesi di laurea Semantica: un sistema per l indicizzazione, il retrieval semantico di learning objects e la generazione automatica di corsi didattici Anno Accademico 2007/2008 Relatori Ch.mo prof. Angelo

Dettagli

Modulo 1: Motori di ricerca

Modulo 1: Motori di ricerca Contenuti Architettura di Internet Principi di interconnessione e trasmissione World Wide Web Posta elettronica Motori di ricerca Antivirus Personal firewall Tecnologie delle reti di calcolatori Servizi

Dettagli

Informatica (Basi di Dati)

Informatica (Basi di Dati) Corso di Laurea in Biotecnologie Informatica (Basi di Dati) Introduzione alle Basi di Dati Anno Accademico 2009/2010 Da: Atzeni, Ceri, Paraboschi, Torlone - Basi di Dati Lucidi del Corso di Basi di Dati

Dettagli

Modellazione dei dati in UML

Modellazione dei dati in UML Corso di Basi di Dati e Sistemi Informativi Modellazione dei dati in UML Angelo Montanari Dipartimento di Matematica e Informatica Università degli Studi di Udine Introduzione UML (Unified Modeling Language):

Dettagli

Base Dati Introduzione

Base Dati Introduzione Università di Cassino Facoltà di Ingegneria Modulo di Alfabetizzazione Informatica Base Dati Introduzione Si ringrazia l ing. Francesco Colace dell Università di Salerno Gli archivi costituiscono una memoria

Dettagli