Analisi dei requisiti e casi d uso

Transcript

1 Analisi dei requisiti e casi d uso Indice 1 Introduzione Terminologia Modello del sistema Requisiti hardware Requisiti software Requisiti funzionali Casi d uso Descrizione degli attori Descrizione dei casi d uso Diagramma dei casi d uso Requisiti non funzionali 9 1

2 1 Introduzione Gli obiettivi generali del progetto sono lo studio, la definizione e lo sviluppo di tecniche e algoritmi automatici o semi-automatici per la costruzione e la valutazione di tassonomie per domini specifici, a partire da informazioni di tipo testuale. La costruzione delle tassonomie avrà come sorgente documenti reperibili sul web attraverso tecniche di information retrieval e, nel caso della genomica, saranno utilizzate le principali tassonomie di classi. Esempi tipici di sistema di information retrieval sono i motori di ricerca generici, che basano la classificazione delle query di ricerca sull utilizzo di tassonomie generiche. Nell ambito del progetto rientrano i cosiddetti motori di ricerca verticali che, operanti su uno specifico dominio, utilizzano tassonomie ad-hoc che descrivono il dominio di interesse. Il paradigma di machine learning maggiormente utilizzato per la generazione di tassonomie è il clustering. In particolare, all interno del programma, saranno studiate e definite tecniche di clustering gerarchico per documenti testuali. Di conseguenza, saranno anche studiate e definite tecniche automatiche o semi-automatiche finalizzate all assegnazione di etichette semanticamente pertinenti ai cluster individuati. Sarà infine realizzato un dimostratore automatico o semi-automatico per la sperimentazione delle tecniche e degli algoritmi definiti. Le sperimentazioni si svolgeranno inoltre sul caso di studio riguardante la genomica. 1.1 Terminologia Questa sezione riporta la terminologia fondamentale utilizzata all interno del progetto: Clustering: il clustering, o cluster analysis, è il processo di organizzazione di oggetti in gruppi (cluster) basato solamente sulle informazioni presenti nei dati, che descrivono gli oggetti e le loro relazioni. L obiettivo è che gli oggetti all interno di un gruppo siano simili (o correlati) tra loro e differenti (o non correlati) dagli oggetti in altri gruppi. Maggiore è la similarità (o omogeneità) all interno di un gruppo e la diversità fra i vari gruppi, migliore sarà il risultato del clustering. Fra le diverse tecniche di clustering si prenderanno in considerazione in particolare quelle di tipo gerarchico. Se si permette ai cluster di avere sotto-cluster, si ottiene il clustering gerarchico, cioè una gerarchia di cluster organizzata come un albero. Ogni nodo (cluster) nell albero (eccetto i nodi foglia) è l unione dei suoi figli (sotto-cluster), e la radice dell albero è il cluster contenente tutti gli oggetti. Ci sono due strategie principali di clustering gerarchico: Agglomerativo (bottom up): si parte prendendo ciascun oggetto come un cluster individuale (singleton) e, ad ogni step, si 2

3 uniscono insieme le coppie di cluster più vicini. Questo richiede la definizione di una nozione di prossimità. Divisivo (top down): si parte da un singolo cluster contenente tutti gli oggetti e, ad ogni step, si suddivide un cluster finché non rimangono solamente cluster individuali. In questo caso è necessario decidere quale cluster dividere ad ogni passo e come effettuare la divisione. Information Retrieval: l information retrieval (IR) è la ricerca di materiale (solitamente documenti) di natura non strutturata (solitamente testo), che soddisfi un bisogno di informazione, all interno di una grande collezione di risorse. Più in generale, l IR è l insieme di tecniche e attività per la rappresentazione, la memorizzazione, l accesso e il reperimento di documenti digitali, ad esempio a partire da una query digitata dall utente. Machine Learning: rappresenta una delle aree fondamentali dell intelligenza artificiale e si occupa della realizzazione di sistemi e algoritmi che si basano su osservazioni di dati per la sintesi di nuova conoscenza. L apprendimento può avvenire catturando caratteristiche di interesse provenienti da esempi, strutture dati o sensori, per analizzarle e valutarne le relazioni tra le variabili osservate. Motore di ricerca verticale: i motori di ricerca verticali, a differenza di quelli generici, si focalizzano su uno specifico settore della conoscenza per cui, dati una collezione di documenti limitata a un dominio e delle relazioni fra concetti, forniscono risultati di ricerca estremamente rilevanti. Tassonomia: la tassonomia è uno schema di classificazione dei contenuti basato sulla correlazione tra essi. Il termine tassonomia deriva da taxos, ordinare e nomos, regola. In particolare è una struttura ad albero di istanze (o categorie) appartenenti ad un dato gruppo di concetti. A capo della struttura c è un istanza singola, il nodo radice, le cui proprietà si applicano a tutte le altre sotto-istanze. I nodi sottostanti a questa radice costituiscono categorie più specifiche le cui proprietà caratterizzano il sottogruppo del totale degli oggetti classificati nell intera tassonomia. 3

4 2 Modello del sistema Il sistema deve comprendere un insieme di componenti hardware e software per i quali si indicheranno nel seguito i requisiti richiesti. 2.1 Requisiti hardware Riferimento RHW1.1 Descrizione Il sistema deve includere una piattaforma su cui vengono generate e testate le tassonomie. Tabella 1: Requisiti hardware. 2.2 Requisiti software Riferimento RSW1.1 RSW1.2 RSW1.3 RSW1.4 Descrizione Il sistema deve includere un insieme di dataset, per la generazione di tassonomie su un dominio specifico. Il sistema deve includere una libreria software finalizzata alla generazione delle tassonomie a partire da documenti estratti dal web e alla valutazione delle stesse. Il sistema deve includere un dimostratore finalizzato alla sperimentazione delle tecniche e degli algoritmi utilizzati. Il sistema deve includere una web application di gestione remota del dimostratore. Tabella 2: Requisiti software. 4

5 3 Requisiti funzionali Riferimento RF1 RF2 RF3 RF4 RF5 RF6 Descrizione Il sistema deve includere una funzione per l acquisizione di documenti a partire da pagine web. Il sistema deve includere una funzione per la costruzione di tassonomie per domini specifici, utilizzando i documenti estratti dal web. Il sistema deve garantire dei criteri di valutazione delle tassonomie generate. Il sistema deve includere una funzione per la sperimentazione nell ambito della genomica. Il sistema deve includere una funzione per la simulazione di un motore di ricerca verticale che utilizza un motore di ricerca generico per processare query utente opportunamente arricchite da un contesto semantico. Il sistema deve includere una funzione per l etichettatura o nome da assegnare ai cluster rilevanti. Tabella 3: Requisiti funzionali. 3.1 Casi d uso In questa sezione sono descritti gli attori coinvolti nel sistema e i principali casi d uso individuati Descrizione degli attori Riferimento Nome Descrizione ACT1 Operatore Utente abilitato all addestramento del dimostratore. ACT2 Ricercatore Utente incaricato di effettuare simulazioni e sperimentazioni sul sistema. ACT3 Dimostratore Il sistema software che genera e convalida le tassonomie. Tabella 4: Gli attori del sistema. 5

6 3.1.2 Descrizione dei casi d uso Rif. Attore Attività Descrizione UC1 ACT1 Estrazione di Obiettivo: generazione di un set di documenti. un dataset dal web Procedura: l attore genera (in maniera automatica o semi-automatica) un set di dati in un formato predefinito. UC2 ACT1 Generazione di tassonomie UC3 ACT2 Simulazione di un motore di ricerca verticale UC4 ACT2 Valutazione delle tassonomie UC5 ACT3 Convalida delle tassonomie generate Precondizioni: disponibilità di un dataset di documenti estratti dal web. Obiettivo: generazione di tassonomie a partire dal dataset fornito. Procedura: L operatore imposta i parametri di generazione o in alternativa lascia quelli di default. Il dimostratore genera a sua volta un insieme di tassonomie. Precondizioni: disponibilità di una tassonomia su un dominio predefinito. Obiettivo: ricerca sul web. Procedura: l attore utilizza il sistema per effettuare una ricerca sul web. La query di ricerca digitata viene arricchita con elementi ricavati dalla tassonomia. La nuova query viene utilizzata dal sistema per effettuare una ricerca sul web basata su un motore di ricerca generico e restituire i risultati. Precondizioni: disponibilità di un insieme di tassonomie e di metriche di valutazione. Obiettivo: verificare quale tassonomia dà risultati migliori. Procedura: l attore utilizza il sistema per confrontare le tassonomie in base alle metriche e verificare qual è la più precisa. Precondizioni: disponibilità di un insieme di tassonomie e di metriche di valutazione. Obiettivo: validare le tassonomie generate. Procedura: il dimostratore valuta autonomamente le tassonomie generate in base alle metriche in uso. 6

7 UC6 ACT3 Etichettatura dei cluster UC7 ACT3 Generazione di query arricchita UC8 ACT2 Sperimentazione sulla genomica Precondizioni: disponibilità di cluster individuati a partire dai dati di addestramento. Obiettivo: etichettare i cluster. Procedura: il dimostratore fornisce una lista di parole caratteristiche associate al cluster in esame. Sulla base della lista, in maniera automatica o semi-automatica, viene definito il nome del cluster. Precondizioni: disponibilità di una query di ricerca e di tassonomie su domini specifici. Obiettivo: Genera una query arricchita da utilizzare nell ambito della simulazione del motore di ricerca verticale. Procedura: Il sistema arricchisce la query di ricerca con elementi ricavati dalla tassonomia su un dominio specifico. Precondizioni: disponibilità di un dataset di addestramento nell ambito biomedico/bioinformatico. Obiettivo: sperimentazione nell ambito della genomica. Procedura: il dimostratore utilizza il dataset per l addestramento del sistema. Il ricercatore valuta i risultati della struttura generata. Tabella 5: I principali casi d uso. 7

8 3.1.3 Diagramma dei casi d uso Figura 1: Casi d uso. 8

9 4 Requisiti non funzionali Rif. Termine Descrizione RFN1 Affidabilità Capacità di rispettare nel tempo le specifiche. Il sistema deve garantire l affidabilità e sicurezza nel processo di acquisizione delle pagine web, generazione tassonomie a partire da dataset nel web e nella genomica. RFN2 Efficienza Relazione esistente tra risorsa utilizzata e obiettivi raggiunti. RFN3 Protezione Capacità di prevenire azioni non legittime dovute all insorgenza di guasti o a inadempienze da parte dell operatore. RFN4 Sicurezza Salvaguardia del sistema da eventuali violazioni che comportino l accesso non autorizzato a dati confidenziali. RFN5 Usabilità Capacità di instaurare un meccanismo proficuo di interazione uomo-sistema. L utilizzo della web application e la relativa interfaccia utente deve essere semplice. RFN6 Interoperabilità Capacità di interagire con strumenti esterni localizzati nel contesto operativo. Il dimostratore deve essere in grado di: Generare tassonomie a partire da dataset (web e genomica) Simulare un motore di ricerca verticale Valutare tassonomie Convalidare le tassonomie generate Etichettare i cluster Generare query arricchite Tabella 6: Requisiti non funzionali. 9