Una scienza dei pattern per il Web semantico

I pattern (o modelli) sono strutture che emergono dall'osservazione del mondo reale o virtuale: immagini, suoni, testo, dati, ecc. Sono importanti per orientarsi nel mare di informazioni in cui siamo immersi e si studiano metodi per scoprirli o riconoscerli. Per esempio: il riconoscimento di facce in un insieme di immagini, la scoperta di transazioni finanziarie illecite da dati sparsi, la creazione di percorsi concettuali interessanti in un insieme qualsiasi di opere d'arte. Noi ci occupiamo dei cosiddetti knowledge pattern: pattern di conoscenza, cioè interpretazioni significative dei dati. Per esempio, quali sono le relazioni tipiche fra una transazione finanziaria, i luoghi in cui passa e le persone o macchine che la svolgono? Quali sono le relazioni fra opere d'arte di tipo diverso, il loro accesso e i servizi collegati? Quali le relazioni fra ricercatori, argomenti e istituzioni? In questo lavoro descriviamo gli aspetti della ricerca empirica sui pattern di conoscenza a partire dal Web dei Dati, popolato dai cosiddetti Linked Data, un grafo gigante di dati aperti (open data) estratti da Wikipedia, banche dati amministrative, scientifiche, contenuti multimediali, reti sociali, sensori fisici, poi trasformati in un formato chiamato RDF e collegati fra loro. Lo sfruttamento ottimale dei Linked Data non è banale, perché richiede un livello di analisi cognitiva in cui la conoscenza è concettualizzata in modi eterogenei e arbitrari. Noi usiamo strumenti logici (ingegneria della conoscenza, ontologie), cognitivi (schemi) e linguistici (trattamento del linguaggio naturale) per rivelare i knowledge pattern ricorrenti, che diventano hub di accesso a strutture di dati, testuali e logiche, che sono poi elaborate con strumenti di interrogazione e ragionamento automatico deduttivo e induttivo.

Autori: A. Gangemi, V. Presutti

Titolo: Towards a Pattern Science for the Semantic Web

Rivista: Semantic Web

Anno: 2010

Riferimenti bibliografici: 1,1-2 (2010), pp. 61-68