Da BIA a RDF/Skos L O R E N Z O D I S I L V E S T R O

Transcript

1 L O R E N Z O D I S I L V E S T R O w w w. d m i. u n i c t. i t / ~ d i s i l v e s t r o d i s i l v e s t r d m i. u n i c t. i t

2 BIA 2000 Una Biblioteca digitale in rete per la comunità storico-giuridica. Luogo fonte Classificazione Fontes Opera Thesaurus Titolo Rivista

3 Thesaurus di BIA Una struttura dati che utilizza un vocabolario controllato, al fine di risolvere i problemi di ambiguità del linguaggio naturale nei processi di indicizzazione e information retrieval

4 Struttura Thesaurus

5 Termini controllati: sostantivi es. absolutio, appellatio sintagmi Semantica es. proscriptio bonorum, proferre sententiam I soggetti biografici sono rappresentati utilizzando il nome con il quale essi sono solitamente citati es. Vespanius piuttosto che Titus Flavius Vespanius tuttavia il nome nella sua forma estesa non scompare dal vocabolario (termine non controllato o non descrittore)

6 Proprietà Ogni classe è identificata da: Un codice numerico Una vedetta A ogni codice di classificazione corrisponde una sola vedetta A ogni classe fanno capo più termini controllati Alcuni termini controllati hanno uno o più sinonimi

7 Struttura ad albero Tutti gli argomenti sono stati così raggruppati in otto classi fondamentali: 1. Fonti; 2. Opere generali; 3. Diritto privato; 4. Processo privato; 5. Diritto pubblico; 6. Diritto criminale; 7. Diritti degli altri popoli antichi; 8. Storia generale del mondo antico. Ciascuna classe è poi ulteriormente divisa in alcune sottoclassi, e così via, fino a sei livelli di classificazione, dal più generale al più specifico

8 Thesaurus Iuris Antiqui Codice di classificazione Sinonimo FURTUM actio furtis addictio adiudicatio fur RAPINA ROBBERY RAUB RAPINE RAPIÑA coactio dolus.. Vedetta latina Termini Vedetta italiana, inglese, tedesca, francese, spagnola

9 Relazioni in un thesaurus BT sta per Broader Term ed indica un termine generale, ovvero posto gerarchicamente più in alto NT sta per Narrower Term ed indica un più specifico, ovvero posto gerarchicamente più in basso RT sta per Releated Term ed indica un termine collegato

10 BIA-Net Interfaccia web Server Indicizzazione (Lucene) Ajax Javascript XHTML page exist FONTES OPERA THESAURUS Repository FURTUM actio furtis addictio adiudicatio Xquery SPARQL Utente

11 Semantic Web

12 Semantic Web Cake

13 Organizzazione della conoscenza KOS Knolowdge Organization System Thesauri Ontologie Tassonomie Schemi di classificazione

14 RDF Il Resource Description Framework (RDF) è lo strumento base proposto da W3C per la codifica, lo scambio e il riutilizzo di metadati strutturati e consente l'interoperabilità tra applicazioni che si scambiano informazioni sul Web. È costituito da due componenti: RDF Model and Syntax: espone la struttura del modello RDF, e descrive una possibile sintassi. RDF Schema: espone la sintassi per definire schemi e vocabolari per i metadati.

15 RDF (2) L'unità base per rappresentare un'informazione in RDF è lo statement. Uno statement è una tripla del tipo Soggetto Predicato Oggetto il soggetto è una risorsa il predicato è una proprietà l'oggetto è un valore (e quindi anche un URI che punta ad un'altra risorsa)

16 Esempio RDF Slides N.0351/2011 Lorenzo Di Silvestro

17 Esempio RDF Slides N.0351/2011 DSLLNZ28F12C594J Lorenzo Di Silvestro Catania

18 SKOS Simple Knowledge Organization System Labels: preferred label: usate come descrittore alternative labels: sinonimi, abbreviazioni, acronimi hidden labels: usate internamente dal sistema

19 Etichette e URI Sia i concetti che gli schemi concettuali sono identificati utilizzando URI. Il concetto può essere etichettato in una qualsiasi lingua e può essere correlato a più etichette, ma per ogni lingua solo una etichetta può essere segnata come etichetta preferita (preflabel). Le restanti etichette sono note come etichette alternative (altlaberl). Inoltre possono essere definite anche delle etichette nascoste (hiddenlabel) in modo da poter assegnare ad un concetto delle etichette non visibili dagli utenti ma che vengono utilizzate nella ricerca e nei processi di indicizzazione.

20 Relazioni semantiche Broader e Narrower Sono relazioni inverse Non sono transitive! Ma lo sono broadertransitive narrowertransitive Related Proprietà simmetrica Non transitiva

21 Skos

22 Skos

23 Obiettivi Rendere il Thesaurus Iuris Antiqui consultabile sul Web con un opportuna traduzione ed integrazione sul portale di BIA-net FURTUM actio furtis addictio adiudicatio fur RAPINA ROBBERY RAUB RAPINE RAPIÑA coactio dolus

24 Traduzione Il Thesaurus Iuris Antiqui viene tradotto dal formati originari (rtf, xls) al formato RDF/SKOS. Thesauru s rtf, xls Tool + XML Schema Thesaurus XML Thesaurus RDF/SKOS Parser PHP

25 Traduzione. <Concetto> <Classificazione> </Classificazione> <VedettaLatina>LEGES</VedettaLatina> <Descrittore>lex municipii Salpensani</Descrittore> <Sinonimo>lex Salpensana</Sinonimo> </Concetto> <Concetto>.. Dal formato XLS al formato XML Dal formato XML al formato RDF/SKOS.. <skos:concept rdf:about="&bia;lex_municipii_salpensani"> <skos:preflabel>lex municipii Salpensani</skos:prefLabel> <skos:altlabel>lex Salpensana</skos:altLabel> <skos:related rdf:resource="&bia; "/> </skos:concept> <skos:concept \>.

26 Thesaurus in Skos <skos:concept RDF:about="&bia;5.1.2"> <skos:preflabel xml:lang="x-notation"> 5.1.2</skos:prefLabel> <skos:preflabel xml:lang="it">trattati DI DIRITTO PUBBLICO</skos:prefLabel> <skos:preflabel xml:lang="en">treatises OF PUBLIC LAW</skos:prefLabel> <skos:preflabel xml:lang="de">abhandlungen DES ÖFFENTLICHEN RECHTS</skos:prefLabel> <skos:preflabel xml:lang="fr">traités DE DROIT PUBLIC</skos:prefLabel> <skos:preflabel xml:lang="es">tratados DE DERECHO PÚBLICO</skos:prefLabel> <skos:broader RDF:resource="&bia;5.1"/> </skos:concept>

27 Thesaurus in Skos <skos:concept RDF:about="&bia;lex_romana_visigothorum"> <skos:preflabel>lex Romana Visigothorum</skos:prefLabel> <skos:hiddenlabel>lex Romana Wisigothorum</skos:hiddenLabel> <skos:altlabel>breviarum Alaricianum</skos:altLabel> <skos:related RDF:resource="&bia; "/> </skos:concept>

28 Struttura del Thesaurus RDF/SKOS digestorum libri FONTI digesta pandectae x-notation JUSTINIANIC JUSTINIANISCHE Skos:prefLabel Skos:related digesta Iustiniani Skos:altLabel Skos:prefLabel SOURCES FUENTES Skos:broader Skos:narrower Skos:prefLabel Skos:related DIGESTA Codex repetitae praelectionis institutiones_ ustiniani Skos:related Skos:related Novellae iustiniani

29 OWL Ontology Web Language (OWL) è un linguaggio di markup per rappresentare esplicitamente significato e semantica di termini con vocabolari e relazioni tra gli stessi. Lo scopo di OWL è descrivere delle basi di conoscenza, effettuare delle deduzioni su di esse e integrarle con i contenuti delle pagine web. La rappresentazione dei termini e delle relative relazioni è chiamata ontologia.

30 Ontologia Rappresentazione formale, condivisa ed esplicita di una concettualizzazione di un dominio di interesse. Teoria assiomatica del primo ordine esprimibile in una logica descrittiva. Applicate nel campo dell'intelligenza artificiale, nella rappresentazione e condivisione della conoscenza. Ragionamento deduttivo, classificazione, tecniche di problem solving

31 Tassonomie L induzione di tassonomie da testi è oggetto di notevole interesse, tale processo prevede lo sviluppo di sistemi finalizzati all inferenza di regole e assiomi da testo. L apprendimento automatico procede attraverso l utilizzo di metodologie per l acquisizione di conoscenza alle quali corrispondono algoritmi di complessità crescente, il cui stato dell arte è lontano dall avere trovato una soluzione definitiva.

32 Fasi dell induzione automatica Estrazione automatica di terminologia Riconoscimento dei sinonimi, in genere effettuato utilizzando la misura della similitudine distribuzionale (Dagan, 2000) Popolazione della base di conoscenza per cui è possibile utilizzare tecnologie basate su bootstrap da esempi (Fleischman e Hovy, 2002) o metodolgie basate sul riconoscimento della similitudine distribuzionale (Cimiano e Völker, 2005) Sviluppo di sistemi finalizzati all inferenza di regole e assiomi da testo

33 Problematiche Questo campo è stato ancora scarsamente esplorato, ma sta divenendo oggetto di crescente interesse in letteratura, in quanto l acquisizione di regole di inferenza è certamente un aspetto fondamentale legato al riconoscimento dell implicazione nel testo (Dagan et al., 2005) L identificazione di tali proprietà è di importanza cruciale per attivare processi di ragionamento automatico

34 GRAZIE