Your SlideShare is downloading. ×
0
Tecnologie semantiche per il knowledge Management
Tecnologie semantiche per il knowledge Management
Tecnologie semantiche per il knowledge Management
Tecnologie semantiche per il knowledge Management
Tecnologie semantiche per il knowledge Management
Tecnologie semantiche per il knowledge Management
Tecnologie semantiche per il knowledge Management
Tecnologie semantiche per il knowledge Management
Tecnologie semantiche per il knowledge Management
Tecnologie semantiche per il knowledge Management
Tecnologie semantiche per il knowledge Management
Tecnologie semantiche per il knowledge Management
Tecnologie semantiche per il knowledge Management
Tecnologie semantiche per il knowledge Management
Tecnologie semantiche per il knowledge Management
Tecnologie semantiche per il knowledge Management
Tecnologie semantiche per il knowledge Management
Tecnologie semantiche per il knowledge Management
Tecnologie semantiche per il knowledge Management
Tecnologie semantiche per il knowledge Management
Tecnologie semantiche per il knowledge Management
Tecnologie semantiche per il knowledge Management
Tecnologie semantiche per il knowledge Management
Tecnologie semantiche per il knowledge Management
Tecnologie semantiche per il knowledge Management
Tecnologie semantiche per il knowledge Management
Tecnologie semantiche per il knowledge Management
Tecnologie semantiche per il knowledge Management
Tecnologie semantiche per il knowledge Management
Tecnologie semantiche per il knowledge Management
Tecnologie semantiche per il knowledge Management
Tecnologie semantiche per il knowledge Management
Tecnologie semantiche per il knowledge Management
Tecnologie semantiche per il knowledge Management
Tecnologie semantiche per il knowledge Management
Tecnologie semantiche per il knowledge Management
Tecnologie semantiche per il knowledge Management
Tecnologie semantiche per il knowledge Management
Tecnologie semantiche per il knowledge Management
Tecnologie semantiche per il knowledge Management
Tecnologie semantiche per il knowledge Management
Tecnologie semantiche per il knowledge Management
Tecnologie semantiche per il knowledge Management
Tecnologie semantiche per il knowledge Management
Tecnologie semantiche per il knowledge Management
Upcoming SlideShare
Loading in...5
×

Thanks for flagging this SlideShare!

Oops! An error has occurred.

×
Saving this for later? Get the SlideShare app to save on your phone or tablet. Read anywhere, anytime – even offline.
Text the download link to your phone
Standard text messaging rates apply

Tecnologie semantiche per il knowledge Management

653

Published on

Una visione generale e un'analisi di una specifica applicazione: True Knowledge …

Una visione generale e un'analisi di una specifica applicazione: True Knowledge
(2010)

Topic: Modelli di Rappresentazione della Conoscenza (Semantic Web)

Published in: Technology
0 Comments
0 Likes
Statistics
Notes
  • Be the first to comment

  • Be the first to like this

No Downloads
Views
Total Views
653
On Slideshare
0
From Embeds
0
Number of Embeds
1
Actions
Shares
0
Downloads
0
Comments
0
Likes
0
Embeds 0
No embeds

Report content
Flagged as inappropriate Flag as inappropriate
Flag as inappropriate

Select your reason for flagging this presentation as inappropriate.

Cancel
No notes for slide

Transcript

  • 1. Una visione generale e un’analisi di una specifica applicazione: True KnowledgeLS in Net-Economy Corso di Modelli di Rappresentazione Docente: Dott. Paolo BouquetA.A. 2009-2010 della Conoscenza Studente: Nicola Cerami
  • 2. Breve Introduzione Obiettivo  Analizzare le tecnologie web semantiche per il Knowledge Management (KM)  Breve classificazione sui sistemi di KM del Web  Analisi sistemi di knowledge Retrieval del Web  Confronto tra Search Engine e Semantic Search Engine02/11/2010 2
  • 3. Cenni sul KM- 1 La disciplina del KM iniziò a svilupparsi dal 1991 (Nonaka) e comprende una serie di strategie e pratiche utilizzate in un’organizzazione per:  Identificare  Creare  Rappresentare CONOSCENZA  Distribuire  Consentire l’adozione di intuizioni e di esperienze02/11/2010 3
  • 4. Cenni sul KM - 2 Oggi la conoscenza è considerata l’asset organizzativo e strategico più importante che un’azienda ha a disposizione per acquisire:  Vantaggio competitivo  Superiori performance aziendali Tecnologie dell’informazione02/11/2010 4
  • 5. Descrizione dell’ambito di applicazione  Gli strumenti software di KM sono un’insieme di tecnologie non necessariamente raccolte in un’unica soluzione software  Permettono di migliorare i processi comunicativi e la gestione delle informazioni  Permettono di mettere in collegamento coloro che ricercano informazioni con coloro che le possiedono02/11/2010 5
  • 6. Classificazione tecnologie di KM Le tecnologie di KM si possono classificare a seconda del tipo di processo supportato in cinque categorie Rendono l’informazione fruibile, migliorano i processi comunicativi e la gestione della conoscenza. 02/11/2010 6
  • 7. Tecnologie di Knowledge Retrieval - 1 Alcuni dati (OTO Research, 2009)  La quasi totalità degli italiani online utilizza almeno un motore di ricerca e l’89% li usa su base quotidiana;  Il 93% degli italiani online ritiene i motori di ricerca lo strumento più efficace per cercare informazioni, prodotti e servizi;  L’87% degli italiani online utilizza i motori di ricerca per trovare informazioni decisive per un acquisto;  L’88% di questi, una o più volte, ha deciso l’acquisto del prodotto o di un servizio basandosi sulle informazioni ottenute attraverso i motori di ricerca.02/11/2010 7
  • 8. Tecnologie di Knowledge Retrieval - 2 Il motore di ricerca più utilizzato a livello mondiale è Google:  85,78% a livello mondiale e 91% in Italia  7,2 miliardi di visite al giorno  3,9 miliardi di ricerche al giorno  Circa 620 milioni di utenti al giorno  Circa 20 PB di traffico dati al giorno02/11/2010 8
  • 9. Tecnologie di Knowledge Retrieval - 3 Un progetto focalizzato sul Knowledge Space Aziendale non può prescindere dall’inserimento di sistemi per la ricerca di informazioni.02/11/2010 9
  • 10. Search Engines (Google)- 1 Sistemi Automatici  Analizzano un insieme di dati  Restituiscono un indice dei contenuti disponibili  Classifica l’indice dei contenuti in base a formule statistico-matematiche  Queste formule indicano il grado di rilevanza data una determinata chiave di ricerca (keyword) Campo di utilizzo  Information Retrieval  Web02/11/2010 10
  • 11. Search Engines - 2  Permettono di condividere conoscenza e sono rappresentati, generalmente, da un’interfaccia minimalista  Cataloga e indicizza il World Wide Web  Si occupa anche di immagini, foto, newsgroup, notizie, mappe, video, etc  Mantiene una copia cache di tutte le pagine che conosce02/11/2010 11
  • 12. Anatomia di GoogleIl lavoro di un motore diricerca si divide principalmentein 3 fasi:1. Analisi del campo d’azione2. Catalogazione del materiale ottenuto3. Risposte alle richieste dell’utente 02/11/2010 12
  • 13. Limiti - 1 Gestione ambiguità dell’informazione  Informazione rinchiusa all’interno di rigidi schemi relazionali  troppo strutturata e poco accessibile  I dati non sono interoperabili con l’interno del Web e le sue caratteristiche  Informazione non direttamente elaborabile dalle macchine (es. risorse multimediali)  Interrogazioni semplici e poco flessibili tramite una o più keyword in form standard e predefinite (schemi poco usabili dagli utenti)02/11/2010 13
  • 14. Limiti - 2  Bassa precision e recall  Granularità non appropriata  Necessità di aggregare i risultati “spezzettati” tramite pagine riassuntive/report  Non è possibile rappresentare tutte le possibili richieste degli utenti  Lunga e faticosa ricerca manuale di tutte le informazioni e dei dati necessari Cercare quindi ha un COSTO02/11/2010 14
  • 15. Semantic Search Engine - 1 Necessità crescente delle imprese di avere a disposizione sistemi “intelligenti” ricchi di informazioni e funzionalità Semantic Web: “insegnare” alle macchine ad estrarre informazioni dalle risorse tramite tecniche di Text/Audio processing, Image/Video processing, etc. Un Semantic Serarch Engine è in grado di trattare sia aspetti linguistici (livello terminologia) sia aspetti legati alla conoscenza di dominio (livello modello concettuale)02/11/2010 15
  • 16. Anatomia di un Semantic Search Engine02/11/2010 16
  • 17. Applicazioni  Exalead  Autonomy (Enterprise Search)  Polyspot enterprise Search  Omnifind Enterprise (IBM)  Bing (Microsoft)  Yahoo Search Monkey  Piattaforma Cogito (Expert System)  True Knowledge  Etc.02/11/2010 17
  • 18. Limiti e Vantaggi Limiti Vantaggi  Fattore costo: richiedono  Permette la formazione un investimento ingente di più sofisticati contesti per giungere a messa a di ricerca punto (per garantire una  Maggior precision e recall qualità media del senza peggiorare le servizio accettabile) prestazioni  Facilitano il “merging”  Informazione più accessibile, fruibile, scambiabile, riutilizzabile e personalizzabile  Possibilità di derivare02/11/2010 nuova K 18
  • 19. True Knowledge - 1True Knowledge Ltd (W. Tunstall-Pedoe) società inglese specializzata nelle basi di conoscenza e nei motori di ricerca semantici. Sistema avviato in versione beta privata il 7 Novembre 2007Si tratta di un esclusiva tecnologia semantica ingrado di: Comprendere le domande poste dagli utenti in linguaggio naturale (NLP) Rappresentare la conoscenza, combinando le conoscenze esistenti in moto tale da inferire nuovi fatti e rispondere a domande che non ha mai visto prima02/11/2010 19
  • 20. True Knowledge - 2 Obiettivo  Alimentare un nuovo tipo di esperienza di ricerca Metodo  Il linguaggio naturale viene processato nell’ambito di intere frasi grazia ad una tecnologia semantica propria  Utilizza i microformati  Migliora sulla base di feedback e grazie alla collaborazione degli utenti  Configura un indice dei contenuti come una vera e propria mappa concettuale  Interpretabile dalla macchina02/11/2010 20
  • 21. Architettura02/11/2010 21
  • 22. Il ruolo del Semantic Web Il “cuore” di TrueKnowledge è l’ontologia, la quale:  Descrive una struttura ad albero delle varie classi  Ogni entità si inserisce in questa struttura02/11/2010 22
  • 23. Il ruolo del Semantic Web -202/11/2010 23
  • 24. La conoscenza immagazzinata e la verifica True Knowledge raccoglie informazioni per il suo DB in due modi: 1. Importazione da database eterni “credibili” (es. Wikipedia); 2. Contributo da parte degli utenti (previa registrazione gratuita e tramite apposite form) Attualmente i fatti inseriti sono circa 319 milioni di fatti su 9,5 milioni di argomenti 02/11/2010 24
  • 25. Aggiungere conoscenzaFondamentale è l’interazione degli utenti• Possono contribuire ad editare la Knowledge Base• Possono confermare o smentire singoli “fatti”• Possono aggiungere contenuti di ogni tipo02/11/2010 25
  • 26. Sviluppare con True KM - 1 Ogni utente può iniziare a sviluppare in tre semplici passi:  Registrarsi sul portale per ottenere un account API;  Scaricare il manuale API;  Scaricare la biblioteca PHP. Esistono vari design model per le API  consentono agli sviluppatori di utilizzare le funzionalità di True KM in applicazioni provenienti da terze parti.02/11/2010 26
  • 27. Sviluppare con True KM - 2 La piattaforma fornisce i seguenti servizi API:  Direct Answer API: espone la domanda in linguaggio naturale (NLP);  Query API: consente agli utenti di bypassare l’attuale sistema di traduzione di lingua e interrogare direttamente la Knowledge Base utilizzando un linguaggio semplice (query). Tali servizi API sono composti da richieste e risposte HTTP XML.02/11/2010 27
  • 28. Direct Answer Service (ex) How old is Tim Berners Lee? XML Response02/11/2010 28
  • 29. Query Service (ex) Query  “+44 1223 323382”XML Response02/11/2010 29
  • 30. Alcuni esempi di interazione con True Knowledge02/11/2010 30
  • 31. 02/11/2010 31
  • 32. 02/11/2010 32
  • 33. 02/11/2010 33
  • 34. 02/11/2010 34
  • 35. 02/11/2010 35
  • 36. Analisi SWOT - 1 Strenghts Weakness02/11/2010 36
  • 37. Analisi SWOT- 2 Opportunities Threats  Finanziamenti ingenti da  Competitors leader nel parte di altre società settore (Google, Yahoo!, (circa 6,2 mln di euro) etc)  Incremento del personale R&D  Creazione di nuove soluzioni tecnologiche e per l’implementazione definitiva del sistema02/11/2010 37
  • 38. Conclusioni - 1 Implicazione per gli utenti  Velocità di reperimento delle informazioni  Maggiore Precision e Recall  Risparmio di tempo  Maggiore condivisione della conoscenza (accessibile) Portata Rivoluzionaria del Semantic Web per l’utente02/11/2010 38
  • 39. Conclusioni - 2 Implicazioni per le aziende  Le tecnologie di KM per il Semantic Web migliorano la condivisione e la ricerca del patrimonio informativo aziendale, ottimizzando:  La categorizzazione automatica  L’estrazione dei dati  La fruizione dei documenti indipendentemente dalla natura dei “testi” (file word, pdf, pagine web, etc).02/11/2010 39
  • 40. Conclusioni - 3  Circa l’80% delle informazioni aziendali sono di tipo non strutturato  Dati memorizzati sotto diverse tipologie di formati i quali contengono testi e dati di difficile reperibilità Valore inestimabile per la comprensione delle dinamiche interne ed esterne all’impresa02/11/2010 40
  • 41. Conclusioni - 4 Le aziende DEVONO essere in grado di sfruttare al meglio le tecnologie di KM semantiche producendo e diffondendo sapere al proprio interno per:  Non perdere opportunità di business e acquisire maggiori benefici  Migliore capacità di adattamento nel mercato  Monitoraggio e miglioramento continuto  Migliore gestione degli imprevisti  Arricchire il patrimonio di K in modo da CapitalizzarloInnovazione e nuove opportunità di Business02/11/2010 41
  • 42. Riflessioni personali Mancanza di stimolo da parte delle aziende ad adottare soluzioni tecnologiche di KM semantiche  Restie all’innovazione tecnologica  A favore del contenimento dei costi Incentivare le aziende all’innovazione tecnologica  Opportuni incentivi  Altre attività (es. conferenze, meeting, etc sulla portata rivoluzionaria del Semantic Web)  Integrazione tra Semantic Web e Semantic Intelligence02/11/2010 42
  • 43. Sitografia [1] http://www.semantic-web.at/ [2] http://blog.semantic-web.at/ [3] http://www.victorgodot.com/blog/?p=113 [4] http://en.wikipedia.org/ [5] http://www.audiweb.it/ [6] http://punto-informatico.it/ [7] http://www.trueknowledge.com/ [8] http://www.youtube.com/watch?v=IONdWQwcmxA [9] http://www.exalead.com/software/ [10] http://www.autonomy.com/ [11] http://www.polyspot.com/ [12] http://www-01.ibm.com/software/data/enterprise-search/omnifind- enterprise/ [13] http://www.expertsystem.it/index.asp [14]http://www.i-dome.com/flash-news/pagina.phtml?_id_articolo=11656-I- vantaggi-della- Semantic-Intelligence-per-il-Semantic-Web.html02/11/2010 43
  • 44. Bibliografia  Della Valle E., Celino I. & Cerizza D., Semantic Web: Modellare e condividere per innovare. Ed. Pearson Addison Wesley, Milano 2008.  Cuel R., Ponte D., Dispensa del corso di Knowledge Management, Trento, 2007-2008.  Bouquet P., Slide corso Modelli di Rappresentazione della Conoscenza, Trento, 2009-2010.02/11/2010 44

×