Il documento analizza le tecnologie web semantiche nel contesto del knowledge management e evidenzia l'importanza della conoscenza come asset strategico per le aziende. Viene effettuato un confronto tra motori di ricerca tradizionali e motori di ricerca semantici, sottolineando i vantaggi delle tecnologie semantiche nel migliorare l'accessibilità e l'efficacia delle informazioni. Inoltre, si presenta True Knowledge come esempio di tecnologia semantica avanzata che comprende un'interfaccia di ricerca in linguaggio naturale.

1. Una visione generale e un’analisi di
una specifica applicazione:
True Knowledge
LS in Net-Economy Corso di Modelli di Rappresentazione Docente: Dott. Paolo Bouquet
A.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 Engine
02/11/2010 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 esperienze
02/11/2010 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’informazione
02/11/2010 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
possiedono
02/11/2010 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 giorno
02/11/2010 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
 Web
02/11/2010 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 conosce
02/11/2010 11

12. Anatomia di Google
Il lavoro di un motore di
ricerca si divide principalmente
in 3 fasi:
1. Analisi del campo d’azione
2. Catalogazione del materiale ottenuto
3. 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 COSTO
02/11/2010 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 Engine
02/11/2010 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 derivare
02/11/2010 nuova K 18

19. True Knowledge - 1
True 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 2007
Si tratta di un esclusiva tecnologia semantica in
grado 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 prima
02/11/2010 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 macchina
02/11/2010 20

21. Architettura
02/11/2010 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 struttura
02/11/2010 22

23. Il ruolo del Semantic Web -2
02/11/2010 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 conoscenza
Fondamentale è l’interazione degli utenti
• Possono contribuire ad editare la Knowledge Base
• Possono confermare o smentire singoli “fatti”
• Possono aggiungere contenuti di ogni tipo
02/11/2010 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 Response
02/11/2010 28

29. Query Service (ex)
Query  “+44 1223 323382”
XML Response
02/11/2010 29

30. Alcuni esempi di
interazione con True
Knowledge
02/11/2010 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
Weakness
02/11/2010 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 sistema
02/11/2010 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’utente
02/11/2010 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’impresa
02/11/2010 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 Capitalizzarlo
Innovazione e nuove opportunità di Business
02/11/2010 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 Intelligence
02/11/2010 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.html
02/11/2010 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