C'è semantica in questo web

!

C'è Semantica in questo Web

Luca De Santis – Net7 Srl [email protected]

@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

!

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

La “Visione”

La “Visione”

Agent

!

•  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 “[email protected]”

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

[email protected]

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???

Il Semantic Web in pillole 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

!

Linking nei vocabolari

!


•  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_MIGLIOR_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 foaf:Person 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:Jacopo





Tripla RDF creata

!




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





Triple dedo"e in automa?co mediante inferenza sul modello dell’ontologia

!



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






!

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

!


•  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 •  Utilizzo "apparentemente" scarso?

–  Sulle oltre 54.000 banche dati della PA italiana nemmeno una è dichiaratamente basata su tecnologie semantiche

!


•  Dopo 15 anni il Semantic Web è ancora una tecnologia di nicchia? –  Sicuramente non è “mainstream” –  “Apparentmente” confinata in ambito accademico

•  Molte e rumorose sono le voci critiche nei suoi riguardi •  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

!





Rock: musica o geologia?

!





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

!

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/

!

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

!

[email protected] 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

Technology

Transcript of C'è semantica in questo web