| dc.description.abstract | L'estrazione e la rappresentazione della semantica contenuta nel
linguaggio sono tra i principali argomenti che da sempre animano le
discussioni in psicologia cognitiva e intelligenza artificiale. Nell'ambi-
to di queste comunità scientifiche il dibattito è riferito principalmente
al problema di individuare il modo migliore per rivelare il significato
che risiede in un qualsiasi atto comunicativo: scrivere, leggere, parlare, ecc. In alcuni rami applicativi dell'intelligenza artificiale così come
nella Knowledge Engineering, i risultati di questi dibattiti sono stati
utilizzati per introdurre nuovi linguaggi formali grazie ai quali è stato
possibile sia rappresentare la semantica su un calcolatore che manipo-
larla per l'esecuzione di ragionamenti automatici. Questi linguaggi, tra
cui XML (eXtensible Markup Language), RDF (Resource Description
Framework), OWL (Ontology Web Language), sono stati la risposta
tecnologica alla nascente visione del Web Semantico introdotta da Tim
Berners-Lee, formalmente l'inventore del World Wide Web. Secondo
questa nuova visione, il Web dovrebbe essere una rete altamente interconnessa di dati facilmente accessibile e comprensibile ad un qualsiasi
calcolatore, un desktop o palmare, dove agenti software intelligenti sono
in grado di risolvere richieste complesse dell'utente.
A tutt'oggi alcune importanti questioni legate alla nascita del Web
Semantico non sono state risolte: questioni che si riferiscono principalmente al modo per rivelare e rappresentare la semantica stessa. Il problema fondamentale è che scoprire le intenzioni dell'autore, ad esempio
contenute all'interno di un testo, può essere un processo molto complesso e soprattutto ambiguo per via del fatto che il significato stesso
esiste indipendentemente dal linguaggio utilizzato e dal processo d'interpretazione. E' ben noto, infatti, che a causa delle imperfezioni del
linguaggio umano i processi d'interpretazione ovvero codifica e decodifica del messaggio-significato potrebbero essere imperfetti e dunque
corrotti da rumore. La rivelazione della semantica del testo, dunque,
non può essere fatta semplicemente associando un significato al testo
attraverso linguaggi formali ma piuttosto deve essere realizzata utilizzando metodi in grado di considerare il fattore rumore intrinseco ai
processi stessi e, di conseguenza nasce così l'esigenza di utilizzare ulteriori linguaggi - per forza di cose probabilistici - in grado di gestire al
meglio tali processi rumorosi.
La Knowledge Engineering, dal canto suo, dovrebbe poi fornire semplicemente gli strumenti per facilitare l'interazione dell'utente con i
dati, visto che i processi in gioco possono essere considerati situati e
temporali in cui il testo stesso agisce come condizione a contorno e nel
quale l'utente è, ex necessitate, il protagonista. Un processo d'interpretazione del significato dovrebbe così portare in conto i diversi livelli
di rappresentazione della semantica, che partono dal testo - livello più
basso - fino all'utente - livello più alto - usando un formalismo tale
da consentire il trattamento dell'incertezza. Progettare modelli per la
semantica in grado di non tralasciare tutti questi aspetti sembrerebbe
l'unico modo per assegnare il significato ad un testo: significato che
può essere rappresentato attraverso un linguaggio formale oltre che dal
linguaggio naturale e che si presta facilmente ad essere manipolato da
un agente artificiale anche e, come nel nostro caso, attraverso l'utilizzo
di metodi automatici basati su ontologie.
In questo lavoro di tesi è stato così introdotto un sistema a livelli, come accennato in precedenza, per la manipolazione del significato
secondo il quale l'estrazione della semantica può avvenire attraverso l'analisi delle relazioni tra i diversi tipi di elementi tra cui parole, concetti
e percetti. Lo sforzo impiegato nella formalizzazione di questi aspetti
ha dato luogo a due differenti tendenze. Una prima che si concentra
principalmente sulla struttura delle relazioni associative tra parole del
linguaggio naturale e sulle relazioni tra concetti e parole, che si definisce come la parte più superficiale della semantica (che possiamo estrarre direttamente dai testi), o light semantics. Una seconda che esalta
strutture concettuali astratte, concentrandosi su relazioni tra concetti,
relazioni tra concetti e percetti, relazioni tra percetti e azioni, e che
si definisce come la componente più profonda della semantica (che si
può estrarre ad esempio studiando l'utente ed i suoi comportamenti), o
deep semantics. Una volta introdotto il modello generale, si è posta at-
tenzione solo ad alcuni degli aspetti discussi precedentemente (si veda
la figura 1) cosicché il cuore della nostra proposta è quindi la definizione di un tipo di conoscenza informale, indicata da noi come informal
Lightweight Ontology (iLO)e che può essere desunta automaticamente
da documenti.
Tale rappresentazione della conoscenza può essere ancora vista come un Grafo di Termini o Grafo di Concetti, composto cioè da nodi (i
concetti stessi) e da collegamenti pesati tra essi (in grado di conservare
e rappresentare le relazioni semantiche tra concetti) e dove ogni nodo-concetto può essere specificato attraverso un ulteriore grafo (in questo
caso si parlerà di parole come nodi e legami/archi, ancora una volta
pesati, tra parole). A questo punto, se per entrambi i grafi, i pesi dei
diversi legami (tra concetti e tra parole) sono intesi attraverso una pro-
babilità, è dunque possibile compiere inferenza e quindi apprendere una
rappresentazione di un concetto e/o di un grafo di concetti attraverso
tecniche probabilistiche (1).
Nell'ambito di questo lavoro è stato poi realizzato un ambiente
sperimentale in grado di testare l'approccio proposto e verificarne la
sua effettiva bontà quando impiegato in casi reali per l'interpretazione
dell'intenzione utente. Specificatamente abbiamo realizzato così due
scenari di interesse:
I) il primo sfrutta le potenzialità di categorizzazione concettuale delle iLO su grandi collezioni di dati testuali, per esempio repository
di pagine web;
II) il secondo più focalizzato in ambito di User Satisfaction sfrutta la stessa tecnica per recuperare da un repository di pagine
web, contenuti più vicini alle intenzioni degli utenti quando questi
effettuano queries di tipo informazionali.
Nel primo ambiente di testing, proprio per sollevarci dalla soggettività
dei dati sperimentali, abbiamo previsto il confronto con un motore
di ricerca text-based puramente sintattico molto diffuso in ambiente
open source, Lucene, attraverso l'uso di indici di prestazione specifici
(Precision e Recall tra gli altri) dei motori di ricerca su web. Allo
stesso modo e per avere una ulteriore conferma sulla bontà del nostro
sistema, all'interno della seconda fase di sperimentazione sono stati
così condotti esperimenti in diversi contesti e, per ogni uno di essi, è
stato richiesto ad alcuni gruppi di esseri umani di assegnare dei giudizi
di rilevanza per il set di pagine web restituite sia da un motore di
ricerca classico (nella fattispecie una versione personalizzata di Google
- Google Custom Engine) e dal nostro motore di ricerca implementato
con l'ausilio di Lightweight Ontology.
In entrambi i casi, i risultati ottenuti hanno confermato che la tecnica proposta aumenta sicuramente le prestazioni in termini di rilevanza
e rispondenza alle vere intenzioni dell'utente e, poiché un'ontologia,
almeno per come l'abbiamo intesa noi in questo lavoro, consiste di con-
cetti e di collegamenti tra essi, una maggiore specializzazione di intenti,
ovvero una rappresentazione coerente del significato, risulta molto utile
per ridurre i problemi legati l'ambiguità intrinseca del linguaggio.
(1) All'uopo si è pensato di utilizzare una versione smoothed della Latent Dirichlet
Allocation conosciuta in letteratura anche come Topic Model così come sarà ben
descritto nel seguito di questa tesi. Figura 1 Rappresentazione a livelli della semantica: il modello computazionale
proposto in questo lavoro si riferisce alle relazioni incluse nella cornice rossa.
[a cura dell'autore] | en_US |
