Il documento descrive un sistema integrato per la gestione delle biblioteche digitali multimediali, evidenziando le caratteristiche dell'applicazione wom@n, che include l'apprendimento dinamico, la gestione di modelli complessi e simulazioni di processi. Sono presentate anche le migliorie proposte per l'integrazione di strumenti innovativi e il supporto per diversi formati di oggetti digitali. Inoltre, il sistema si basa su un'architettura a tre livelli e utilizza tecniche avanzate di indicizzazione semantica per migliorare la ricerca dei contenuti.

1. livinglabs.regione.puglia.it
D_ISRAELI
An Integrated Management System for Multimedia Digital Libraries
D.A.BI.MUS. S.r.l. - Bari, Italy
IMAGO Soc. Coop. a r. l. – Lecce, Italy
Artificial Brain S.r.l. – Bari, Italy
queste caratteristiche.
Caratteristiche
WoM@n consente di:
• apprendere e raffinare incrementalmente lo schema di processo da esempi di esecuzioni rea
• garantire la massima accuratezza (completezza e non ridondanza)
• apprendere dinamicamente e on-line pre- e post-condizioni complesse su attività e su combi
• gestire modelli complessi
• importare ed esportare i modelli da formalismi di rappresentazione standard (es. Reti di Petr
• monitorare e supervisionare l’esecuzione di processi rispetto a modelli e condizioni dati
• simulare esecuzioni di processo valide rispetto a modelli e condizioni dati
• disponibile in versione pacchetto software o servizio Web in abbonamento
Requisiti Software
OS: Indipendente dalla piattaforma
Ambienti: Java Runtime Environment* 1.6
Prolog: interprete YAP 6.2.x
* Java® è un marchio registrato di proprietà di Oracle e/o suoi affiliati.
Requisiti Hardware
Il tool richiede solo una quantità di RAM inferiore a
processore di velocità adeguata, come disponibile in
laptop recenti, per l'uso standard. Ontologie partico
possono richiedere fino a 4 gigabyte di RAM, e la ve
processore usato. Al momento il sistema non fa uso di p
B usiness and
Research in
Artificial
I Ntelligence
Per ulteriori informazioni su caratteristiche e costi invia u
Artificial Brain S.r.l.
Via Piave, 63
70125 Bari (BA)
e-mail: amministrazione@abrain.it
©2012ArtificialBrainS.r.l.Tuttiidirittiriservati.Nonèconsentitalariproduzionediquest
queste caratteristiche.
Caratteristiche
WoM@n consente di:
• apprendere e raffinare incrementalmente lo schema di processo da esempi di esecuzioni rea
• garantire la massima accuratezza (completezza e non ridondanza)
• apprendere dinamicamente e on-line pre- e post-condizioni complesse su attività e su combi
• gestire modelli complessi
• importare ed esportare i modelli da formalismi di rappresentazione standard (es. Reti di Petr
• monitorare e supervisionare l’esecuzione di processi rispetto a modelli e condizioni dati
• simulare esecuzioni di processo valide rispetto a modelli e condizioni dati
• disponibile in versione pacchetto software o servizio Web in abbonamento
Requisiti Software
OS: Indipendente dalla piattaforma
Ambienti: Java Runtime Environment* 1.6
Prolog: interprete YAP 6.2.x
* Java® è un marchio registrato di proprietà di Oracle e/o suoi affiliati.
Requisiti Hardware
Il tool richiede solo una quantità di RAM inferiore a
processore di velocità adeguata, come disponibile in
laptop recenti, per l'uso standard. Ontologie partico
possono richiedere fino a 4 gigabyte di RAM, e la ve
processore usato. Al momento il sistema non fa uso di p
B usiness and
Research in
Artificial
I Ntelligence
Per ulteriori informazioni su caratteristiche e costi invia u
Artificial Brain S.r.l.
Via Piave, 63
70125 Bari (BA)
e-mail: amministrazione@abrain.it
©2012ArtificialBrainS.r.l.Tuttiidirittiriservati.Nonèconsentitalariproduzionediquest

2. • Vision
• DLMS Characteristics
• Major Proposed Improvements
• ICRPad Platform
• @DOMINUS
OUTLINE

3. o D_ISRAELI:
 Build an innovative DL model
• Advanced features enhancing content management and
search
o Two major issues are addressed
 Use of the information contained in the digital objects
 Semantic-based Indexing of contents for more powerful
search engines
Vision

4. o Scientific papers that compare the most popular Open Source
DLMSs indicate dSpace as the most complete one to reach our
goals:
 Supports various metadata standards and protocols for
interoperability
 Based on a single programming language (Java and related
technologies) and three-layer architecture
 Provides rich documentation
o Need of additional components at different levels:
 Presentation
 Logic
 Data
DLMS Charateristics

5. o Starting point: Open Source Digital Library Management System
dSpace
o Major improvement 1: Integration of innovative tools
 ICRPad platform for recognition, graphic matching and text
extraction from digital objects
• Information Extraction can include historical material
 Semantic-based indexing by @DOMINUS
• Search capabilities based on the digital object’s content
o Major improvement 2: Support of different formats of digital objects,
and in particular:
 FITS (Flexible Image Transport System), an open standard
defining a digital file format useful for storage, transmission and
processing of scientific and other images
Major proposed Improvements

6. o Two modules:
 ICR/IWR/OCR: the algorithm performs the segmentation of images
into regions of interest (single characters or words) for the recognition
process. The text recognition is based on reference models of
characters or words learned through a supervised learning process
from pre-classified training samples
 Graphic Matching: the matching algorithm represents, recognizes
and describes the object by the contour shape, extracted by selecting
the contour points whose neighboring contrast exceeds a fixed
threshold. Images are processed at various levels of resolution and
the matching process of the extracted shape is performed at a
different levels (pyramid levels) (implemented for Vatican Library)
ICRPad platform

7. @DOMINUS
o The Artificial Brain DOcument Management INtelligent Universal
System is a general framework that processes digital documents
through a pipeline consisting of several steps, aimed at acquiring
increasingly abstract information from each incoming document
 Acquisition, Layout Analysis, Document Image Interpretation, Text
Analysis, Categorization, Information Extraction
o Advanced Semantic-based indexing technique will be used in In
D_ISRAELI
 Enhanced version of Latent Semantic Indexing (LSI) and Concept
Indexing (CI) will be applied

8. Thanks for your attention
nicola.barbuti@uniba.it