C'è semantica in questo web

!
C'è Semantica in questo Web
Luca De Santis – Net7 Srl
desantis@netseven.it
@lucadex
Ciclo di seminari “Digital Humanities at CTL”
Scuola Normale Superiore
Pisa, 16 aprile 2015

!
Di cosa parliamo oggi e perché…
•  Non una presentazione
“tradizionale” sul Semantic Web ma
un’occasione per riﬂettere
sull’attualità, il senso e l’utilità delle
tecnologie semantiche*.
–  In primis per Net7, in quanto
azienda che opera sul Semantic
Web, nonché per il CTL, in quanto
utilizzatore di tecnologie
semantiche (annotazioni)
•  Analizzare la “Semantica nel web”,
prima ancora del “Semantic Web” in
senso proprio
© Lilostitchfan – Deep in thought
* Per la genesi di questa presentazione vi rimando al mio blog: http://lucadex.blogspot.com/2015/04/theres-semantics-in-this-web.html

!
Un po’ di storia
•  Nel 1989 Tim Berners-Lee scrive
la sua proposta per un sistema di
gestione delle informazioni che
da lì a pochi anni si sarebbe
trasformato nel World Wide Web
–  Proposta “vaga ma eccitante”
secondo il suo capo…
•  Da notare come già nella
proposta originaria erano presenti
relazioni semanticamente
espressive tra i documenti
–  Non il semplice link “anonimo”
dell'anchor HTML

!
Un po’ di storia
•  Nel 2001 Tim Berners-Lee, Jim
Hendler e Ora Lassila
propongono un’evoluzione del
web
•  Da un web di “documenti” ad un
“web di dati”
•  Dati rappresentati in forma
“machine readable”
–  Pronti per essere utilizzati
autonomamente da agenti
software, senza alcuna
mediazione umana
•  Il Semantic Web è nato!

!
La “Visione”
•  L’articolo di Scientiﬁc American, in cui il Semantic Web venne
presentato, cominciava con una “visione”:
Un uomo riceve una telefonata e deve gestire un appuntamento medico
Delega per intero il compito ad un agente software
L’agente recupera i dati, li interpreta, media tra possibili opzioni di scelta,
esegue il compito e segna l’appuntamento nell’agenda dell’uomo

!
•  Dati e concetti espressi in triple a formare un grafo di dati
•  Uso del formalismo RDF per rappresentare i dati
net7:LDS rdf:type foaf:Person
foaf:name “Luca De Santis”
foaf:mbox “desantis@netseven.it”
foaf:based_near comunedipisa:Pisa
•  Le relazioni tra entità nell’RDF costituiscono dei link, al pari
dell’”anonimo” anchor dell’HTML (ma ovviamente più espressivi)
Il Semantic Web in pillole

!
h"p://www.netseven.it/People/LDS

h"p://www.comune.pisa.it/pisa.rdf
foaf:based_near
h"p://xmlns.com/foaf/0.1/Person

rdf:type
Luca
De
San?s
foaf:name
desan?s@netseven.it

foaf:mbox
h"p://dbpedia.org/Resource/Pisa

owl:sameAs
Sogge"o

Predicato

Ogge"o
-‐

en?tà

Ogge"o
-‐

stringa

!
Jim Hendler - The Semantic Web: It’s for Real

!
•  Uso di Vocabolari per descrivere il dominio di conoscenza da
rappresentare
–  Non si chiamavano Ontologie???
Esempi
di
ontologie

“standard”

!
•  La chiave è rappresentare questa conoscenza in forma Machine
processable!!!
–  Web of data e NON web of documents
–  Agenti software NON persone
•  Creare collegamenti con informazioni note (altri dati o ontologie
conosciute/standard)
–  sia nei Dati RDF
–  sia nella deﬁnizione dei vocabolari
•  Conoscenza “per analogia”, creata attraverso i collegamenti/link

!
Esempio di riuso di vocabolari in graﬁ RDF

!
•  Modello “Aperto” e non “Chiuso”
–  Open World Assumption vs Closed World Assumption
–  La conoscenza si forma per accumulo di informazioni…
•  Un esempio:
–  Immaginiamo un DB relazionale con una tabella per tracciare i vincitori del
festival di Berlino
–  Nella tabella c’è una riga per ogni anno del festival e una colonna per
ciascun premio
–  Ma nel 2002 l’Orso d’argento per la migliore attrice venne dato ex aequo
alle otto (8!) protagoniste del ﬁlm 8 donne e un mistero!
–  Un modello chiuso (DB) male si adatta a queste eccezioni rispetto ad uno
aperto (grafo RDF)

!
Closed World vs Open World
ANNO_BERLINALE
ORSO_D_ARGENTO
_MIGLIOR_ATTRICE

ORSO_D_ARGENTO
_MIGLIOR_ATTORE

ORSO_D_ORO_MI
GLIOR_FILM

…

2001
Kerry
Fox
Benicio
Del
Toro
In?macy

2002
??????????????

!
berlinale:ID2001

berlinale:silver_bear_actress
2002

berlinale:year
actors:Fanny_Ardant

!
berlinale:ID2001

berlinale:silver_bear_actress
2002

berlinale:year
actors:Fanny_Ardant

Actors:Emmanuelle_Béart

actors:Danielle_Darrieux

actors:Catherine_Deneuve

actors:Isabelle_Huppert

actors:Virginie_Ledoyen

actors:Firmine_Richard

actors:Ludivine_Sagnier

!
•  OWA – Open World Assumption
–  Nuove informazioni possono diventare disponibili in qualsiasi momento
•  AAA – Anybody (in the web) can say Anything about Any topic
–  Mai assumere che l’informazione che si ha a disposizione sia completa
•  Nonunique naming assumption
–  La stessa cosa può essere riferita in modi diversi
http://dbpedia.org/resource/Nine_Inch_Nails owl:sameAs http://rdf.freebase.com/ns/m.0jg77

!
•  Modello deduttivo: Inferenze
–  I predicati nelle Ontologie mi permettono di dedurre nuova conoscenza
–  Vediamo un esempio…

!
famiglia:Madre a rdfs:Class
rdfs:subClassOf foaf:Person
rdfs:subClassOf
person:Female
famiglia:Figlio a rdfs:Class
rdfs:subClassOf
person:Male
famiglia:figliodi rdfs:range famiglia:Madre
rdfs:domain famiglia:Figlio
famiglia:hafiglio owl:inverseOf
famiglia:figliodi
Ontologia
di
partenza

!
dex:Marzia famiglia:hafiglio dex:Jacopofamiglia:Madre a rdfs:Class
rdfs:subClassOf
person:Female
rdfs:subClassOf
person:Male
famiglia:figliodi
Tripla
RDF
creata

!
dex:Marzia famiglia:hafiglio dex:Jacopo
dex:Jacopo famiglia:figliodi dex:Marzia
dex:Jacopo a famiglia:Figlio
a foaf:Person
a person:Male
dex:Marzia a famiglia:Madre
a foaf:Person
a person:Female
rdfs:subClassOf
person:Female
rdfs:subClassOf
person:Male
famiglia:figliodi
Triple
dedo"e
in
automa?co

mediante
inferenza
sul
modello
dell’ontologia

!
dex:Marzia famiglia:hafiglio dex:Jacopo
dex:Jacopo famiglia:figliodi dex:Marzia
dex:Jacopo a famiglia:Figlio
a foaf:Person
a person:Male
dex:Marzia a famiglia:Madre
a foaf:Person
a person:Female
•  Possibilità anche di deﬁnire restrizioni…
•  Predicati speciﬁci del linguaggio OWL
•  Effetto: errore logico nel modello
rdfs:subClassOf
person:Female
rdfs:subClassOf
person:Male
famiglia:figliodi

!
Cosa il Semantic Web NON è
•  Interpretazione del linguaggio naturale!
–  Anche se insieme fanno scintille…
•  Intelligenza Artiﬁciale
–  Anche se sono stretti parenti
–  …e l’intelligenza artiﬁciale può sfruttare la “conoscenza del mondo” del
Semantic Web

!
Il Semantic Web ha fallito?
•  Dopo 15 anni il Semantic Web è ancora una tecnologia di nicchia?
–  Sicuramente non è “mainstream”
–  “Apparentemente” conﬁnata in ambito accademico
•  Molte e rumorose sono le voci critiche nei suoi riguardi

!
–  “Apparentemente” conﬁnata in ambito accademico
•  Utilizzo "apparentemente" scarso?
–  Sulle oltre 54.000 banche dati della PA italiana nemmeno una è
dichiaratamente basata su tecnologie semantiche

!
–  “Apparentmente” conﬁnata in ambito accademico
•  Utilizzo "apparentemente" scarso?
–  Sulle oltre 54.000 banche dati della PA italiana nemmeno una è
dichiaratamente basata su tecnologie semantiche

!
Ripassiamo i concetti base del semantic web…
•  Un web di dati e non di documenti
•  Un web di dati “machine readable”
•  Una rete di dati (un grafo), distribuita a livello globale
•  OWA & AAA
•  Nonunique naming assumption
•  “Agenti software” in grado di compiere azioni automatiche al nostro
posto

…e riprendiamo la visione originale del 2001…
Agent

…sostituendo una “app” al posto di un
“agente”
Agent

!
Lo stato dell'arte del Semantic Web
•  La visione si è quindi avverata in qualche modo ma in forme diverse!!!
•  “Going forward in a serendipitous way!”
– Dex
•  “A little semantics goes a long way!”
– Jim Hendler
•  “Semantics ﬁrst”
– Dex
– Pensiamo prima alla Semantica, poi casomai al Semantic Web

!
Lo stato dell'arte del Semantic Web
•  “A little semantics goes a long way!”
RDFa
Jim Hendler - “Why the Semantic Web will Never Work” (note the quote marks!)

!
“Semantics ﬁrst”
•  Casi di successo della Semantica (e del Semantic Web) al giorno
d’oggi
–  Search Engine Optimization (SEO)
–  Linked Data
–  Semantic Search
–  Facebook Open Graph Protocol
–  Named Entity Recognition
•  Teniamo sempre a mente che… “a little semantics goes a long way”!

!
Search Engine Optimization
•  SEO
–  Descrivere le pagine web in modo formale afﬁnché i motori di ricerca
riescano a indicizzarle meglio
•  Permettono di far trovare meglio i nostri contenuti
•  Limiti intriseci legati all’ambiguità del linguaggio naturale

!
•  SEO
Rock:
musica

o
geologia?

!
•  SEO
Quale
“Luca
De
San?s”?

!
SEO & Schema.org
•  Schema.org: un vocabolario omnidescrittivo per aumentare l’efﬁcacia
del SEO
•  Inaugurato da Google, Bing e Yahoo nel 2011
•  Dati strutturati nelle pagine HTML
•  Web of Data! Un “agente” (crawler) che recupera dati “machine readable” dal
web. Suona familiare, no???
•  Dove non poté la scienza poté il Capitale…
–  Cyc, OpenCyc, UMBEL: progetti con l’obiettivo di “descrivere il mondo”, di
essere vocabolari universali. La loro diffusione è rimasta estremamente
limitata. Schema.org ha avuto invece un successo immediato!
•  Un vocabolario molto efﬁcace
–  In continua espansione

!
SEO & Schema.org: l'effetto
•  Migliore posizionamento nei
risultati di ricerca
•  Presentazione di un’anteprima
automatica (rich snippet) del
contenuto direttamente nella
pagina dei risultati della ricerca

!
I metadati schema.org “da vicino”

!
Linked Data
•  Usare RDF per legare, in modo semanticamente espressivo, dataset
pubblicati su web
•  Quattro principi base
1.  Use URIs as names for things
2.  Use HTTP URIs so that people can look up those names
3.  When someone looks up a URI, provide useful information, using the
standards (RDF, SPARQL)
4.  Include links to other URIs, so that they can discover more things
•  Dataset navigabili da agenti software
•  Linked Data ≠ Open Data

!
Linked Data
•  Rendere disponibili “dati grezzi”
“…the simple message to governments
around the world must be consistent
and forceful: raw data, now!
Opening up data is fundamentally about
more efﬁcient use of resources and
improving service delivery for citizens.
The effects of that are far reaching:
innovation, transparency,
accountability, better governance and
economic growth”.
“Raw Data Now!” - Tim Berners-Lee
2012

!
Linked Data
•  I dati grezzi come volano
dell’economia
“…In the digital age, data takes on a whole
new value, and with new technology
we can do great things with it. Opening
it up is not just good for transparency,
it also stimulates great web content,
and provides the fuel for a future
economy.
That's why I say that data is the new oil
for the digital age. How many other
ways could stimulate a market worth
70 billion euros a year, without
spending big budgets? Not many, I'd
say.”.
“Data is the new oil” – Neelie Kroes 2012

!
La “Linked Data Cloud” nel 2007

!
La “Linked Data Cloud” nel 2014

!
Semantic Search
•  Google Knowledge Graph

!
Semantic Search: arricchimento risultati

!
Semantic Search: inferenze su ricerche

!
Facebook Open Graph Protocol
•  Lo scopo: permettere di estendere il bottone “Like” di Facebook al di
fuori del Social Network
–  Tutti vogliono comparire “bene” su Facebook…
Meglio così… …o così?

!
•  Vocabolario molto semplice basato su RDFa

!

!
•  Dove non poté la scienza poté il Capitale… parte 2
•  Perché Facebook lo ha voluto?
–  Facebook *sa* in questo modo cosa ti piace anche al di fuori dei suoi conﬁni!
–  Knowledge is power…

!
•  Dove non poté la scienza poté il Capitale… parte 2
•  Perché Facebook lo ha voluto?
–  Facebook *sa* in questo modo cosa ti piace anche al di fuori dei suoi conﬁni!
–  Knowledge is power…
Vestforsk.no – Semantic Markup Report (Dec. 2011)

!
Named Entity Recognition (NER)
•  Estrazione automatica di conoscenza da un testo attraverso
l’identificazione dei concetti contenuti in esso!
•  Dall’analisi delle relazioni tra i termini di un testo si riescono a
identificare i concetti in modo preciso e non ambiguo.!
–  Si associa la corretta semantica ai termini del testo!
•  Concetti e non “parole chiave”: passaggio di gestione da “bag of
words” ad un “graph of topics”!
–  Bag of words: parole gestite in modo slegato e indipendente tra loro.!
•  Es. un motore di ricerca full-text (Apache Solr) indicizza le stringhe senza
discernere il loro significato!
–  Graph of topics: concetti in relazione tra loro in funzione del loro
significato (approccio semantico)!

!
Named Entity Recognition and Annotation
•  Identiﬁcare i concetti vuol dire:!
– Riconoscerli anche se sono scritti in forma alternativa o parziale!
– Risolvere omonimie o polisemie. Es. “Industrial revolution”? Si parla di
storia o di musica industriale?!
•  Annotazione: i frammenti di testo associati ai concetti vengono
riconosciuti e “linkati” automaticamente alle loro rappresentazioni in
dataset pubblici (es. Wikipedia).!

!
Servizi di NER
•  AlchemyAPI: recentemente acquistata da IBM
•  OpenCalais, un’azienda del gruppo Reuters
•  Semantria
•  TextAlytics
•  Zemanta
•  Machine Linking
•  DBPedia Spotlight, servizio gratuito nato da un’iniziativa di ricerca
dell’Università di Berlino
e…
•  DataTXT!

!
DataTXT
•  Servizio commerciale di Named Entity Recognition dell’azienda
SpazioDati
•  Sviluppato in parte anche in collaborazione con Net7 nell’ambito del
progetto di ricerca SenTaClAus (cfr. http://sentaclaus.netseven.it)
•  Uso di vocabolari controllati per riconoscere i concetti e le relazioni tra
di essi
–  Uso di Wikipedia come vocabolario controllato
–  Ogni pagina di Wikipedia è un concetto: tramite i link fra le sue pagine
identiﬁco le relazioni tra i termini di un testo
•  Classiﬁcazione semantica (“a little semantics…”) delle entità in 6 classi
–  Person, Organization, Work, Place, Event, Concept
•  Info: https://dandelion.eu/products/datatxt/

!
NER “sul campo”
•  DataTXT utilizzato nel Social Proxy, lo strumento di Social Media
Analysis di Net7
–  Info: http://www.netseven.it/servizi/social-media-analysis/
•  Identiﬁcazione dei concetti rilevanti nelle “conversazioni sociali”
•  Disambiguazione degli hashtag usati dagli utenti, mettendoli in
relazione con i concetti che compaiono negli stessi post
•  Qualche esempio del servizio di “Trend Analysis” del Social Proxy
applicato ai tweet del CTL @laboratorio_CTL…

!
NER “sul campo” su @laboratorio_CTL

!
Limiti nell'uso del Semantic Web
•  La tecnologia open source non è completamente matura
–  … o comunque non ha un grado di maturità paragonabile a quello di altre
tecnologie ”aperte” (es. DB relazionali open source)
•  Non esistono framework di sviluppo completi e facili da usare
–  Es. un Drupal del Semantic Web
•  Il modello dei dati a grafo non è “immediato” da comprendere come
quello tabellare
–  … siamo troppo abituati a lavorare in Excel…
•  Ha poco senso se i dati su cui si opera sono piatti o se non hanno
legami forti e articolati tra loro

!
Dove ha quindi senso applicare il Semantic
Web?
•  Rappresentazioni della conoscenza!
–  Non necessariamente da usare in servizi “on line”; creazione di basi di
conoscenza “in divenire”
•  Dove i dati sono naturalmente strutturati come graﬁ
–  Relazioni tra persone, concetti e oggetti
•  Per estrarre informazioni strutturate da dati non strutturati (testo!)
•  Per riconciliare informazioni gestite e contenute in repository diversi
•  Per una migliore gestione, storicizzazione e riuso di dati grezzi
–  Es. dati sperimentali. Cfr. "Open access to research data”, indicazioni della
Commissione Europea nei progetti H2020

!
Semantic Web @ Net7: Pundit
•  Libreria client per
annotare
semanticamente
documenti web
•  Le annotazioni sui
documenti sono
memorizzate
come graﬁ RDF
•  Info: http://
thepund.it/

!
Semantic Web @ Net7: Pundit
•  Libreria client per
annotare
semanticamente
documenti web
•  Le annotazioni sui
documenti sono
memorizzate
come graﬁ RDF
•  Info: http://
thepund.it/
Esempio di pagina web annotata con Pundit

!
Pundit: uno sguardo all’architettura software
Annotation Server
Data Layer
REST
!

!
Semantic Web @ Net7: StoM - PunditBrain
•  Creare un servizio
omnicomprensivo per la gestione
delle annotazioni (semantiche) su
web
•  Lavoro in corso nell’ambito del
progetto di ricerca europeo StoM
www.stom-project-eu
#stom_eu

!
PunditBrain: Requisiti principali del servizio#
•  Gestire l’annotazione di documenti web
–  Enfasi sull’usabilità
–  Disponibilità di vocabolari già pronti da
usare nelle annotazioni
–  Supporto per l’annotazione di immagini e
video (anche PDF ed e-pubs a tendere)
•  Annotazioni raccolte in “notebooks”
–  Supporto alla ricerca semantica, ﬁltri a
faccette
•  Enfasi sul riuso dei dati
–  Export, condivisione con altri utenti
•  Pubblicazione dei dati
–  Ad esempio attraverso visualizzazioni già
pronte
•  Servizi di Recommendation
–  “Chi lavora su cose simili alle mie?”

!
Il Semantic Web @ Net7: quesiti
•  Siamo consci di usare bene il Semantic Web?
•  Margini di miglioramento…
–  Mai fatto un uso estensivo delle inferenze
–  I repository non sono sempre ben collegati
•  I dati senza link perdono di valore
•  Punti di attenzione
–  Trovare strategie e best practices per gestire un ottimale riuso dei dati
–  Trovare strumenti per ottenere signiﬁcative visualizzazioni di dati a grafo
–  Piattaforma tecnologica non ancora consolidata (es. scelta di triple store di
riferimento)

!
Prossimi passi e una prospettiva per il futuro
•  @netseven_it & @laboratorio_CTL
–  Lavorare per superare i limiti di cui sopra
–  Applicare la “semantica” prima ancora del Semantic Web
•  Aprire e collegare meglio i repository delle nostre annotazioni semantiche, tra di
loro e con l’esterno
•  Sfruttare a pieno il SEO
–  Vedere il sito anche come un repository di dati e non solo di contenuti
•  Uno spunto: la "semantica" nel futuro sarà sempre di più disponibile
attraverso servizi web specializzati
–  Es. DataTXT, servizi cloud di machine learning
–  Usare solo quel minimo di “intelligenza” che serve per i propri scopi

!
Riferimenti
Bibliografia
•  Tim Berners-Lee, James Hendler and Ora Lassila: The
Semantic Web, Scientific American May 2001
•  Dean Allemang, James Hendler: Semantic Web for the
Working Ontologist 2nd Edition, Morgan Kaufmann,
2011
•  James Hendler: The Semantic Web: It’s for real http://
www.slideshare.net/jahendler/semantic-web-what-it-is-
and-why-you-should-care
•  Dominiek ter Heide: Three reasons why the Semantic
Web has failed https://gigaom.com/2013/11/03/three-
reasons-why-the-semantic-web-has-failed/
•  Seth Grimes: Semantic Web Business: Going Nowhere
Slowly http://www.informationweek.com/software/
information-management/semantic-web-business-
going-nowhere-slowly/d/d-id/1113323
•  Clay Shirky: Ontology is Overrated: Categories, Links,
and Tags http://www.shirky.com/writings/
ontology_overrated.html
•  Michela Finizio: Il miraggio dell’anagrafe unica: più di
54mila banche dati gestite dalla Pa http://
www.infodata.ilsole24ore.com/2015/03/11/il-miraggio-
dellanagrafe-unica-piu-di-54mila-banche-dati-gestite-
dalla-pa/
•  James Hendler: “Why the Semantic Web will Never
Work” (note the quote marks!) http://www.slideshare.net/
jahendler/why-the-semantic-web-will-never-work
•  James Hendler: Semantic Web: The Inside Story http://
www.slideshare.net/jahendler/semantic-web-the-inside-
story
•  James Hendler: The Dark Side of the Semantic Web,
IEEE Intelligent Systems, Jan/Feb 2007
•  Tim Berners-Lee: Raw data, now http://
www.wired.co.uk/news/archive/2012-11/09/raw-data
•  Neelie Kroes: Digital Agenda and Open Data http://
europa.eu/rapid/press-release_SPEECH-12-149_en.htm
•  Google: Introducing the Knowledge Graph https://
www.youtube.com/watch?v=mmQl6VGvX-c
•  Kevan Lee: What Really Happens When Someone Clicks
Your Facebook Like Button https://blog.bufferapp.com/
facebook-like-button
•  Vestforsk.no: Semantic Markup Report http://
www.vestforsk.no/filearchive/
semantic_markup_report.pdf
•  European Commission: Guidelines on Open Access to
Scientific Publications and Research Data in Horizon
2020 http://ec.europa.eu/research/participants/data/ref/
h2020/grants_manual/hi/oa_pilot/h2020-hi-oa-pilot-
guide_en.pdf

!
Riferimenti
© Immagini
•  Slide 2: http://lilostitchfan.deviantart.com/art/Deep-in-thought-68905091?q=gallery:lilostitchfan/189576&qo=55
•  Slide 3-4: http://cerncourier.com/cws/article/cern/38707
•  Slide 5: http://www.scientiﬁcamerican.com/article/the-semantic-web/
•  Slide 53: http://www.wired.co.uk/news/archive/2012-11/09/raw-data
•  Slide 54: http://commons.wikimedia.org/wiki/File:Msc2012_20120205_129_Kroes_Kai_Moerk.jpg
•  Slide 55-56: http://lod-cloud.net/
•  Slide 69: http://trends.builtwith.com/docinfo/Open-Graph-Protocol

!
desantis@netseven.it
www.netseven.it
@lucadex
www.lucadex.it
Quest'opera è distribuita con Licenza Creative Commons Attribuzione 4.0 Internazionale. (CC BY 4.0)
https://creativecommons.org/licenses/by/4.0/deed.it

C'è semantica in questo web

Empfohlen

Empfohlen

Weitere ähnliche Inhalte

Ähnlich wie C'è semantica in questo web

Ähnlich wie C'è semantica in questo web (20)

Mehr von Net7

Mehr von Net7 (20)

C'è semantica in questo web