Feb 262016
 

Nell’ambito del progetto di ricerca CagliariPort2020 (PON Smart Cities and Communities and Social Innovation), il Dipartimento di Matematica e Informatica dell’Università degli Studi di Cagliari (UNICA) e il CRS4 organizzano alcuni seminari sul tema
SEMANTIC WEB AND OPEN DATA
I seminari avranno luogo alle 17:00 del 3 marzo 2016 nell’Aula Magna di Matematica del Palazzo delle Scienze (via Ospedale 72, Cagliari).

Programma:

· 17:00-17:10 Carlino Casari, CRS4,

“Introduzione al progetto CagliariPort2020”

· 17:10-17:40 Cristian Lai, CRS4,

“From Open Data to Linked Open Data”

· 17:40-18:05 Maurizio Atzori, UNICA,

“Strumenti semplici per l’accesso ad Open Data e Semantic Web”

· 18:05-18:30 Diego Reforgiato Recupero, UNICA,

“FRED, a machine reader for the Semantic Web”

· 18:30-18:40 Chiusura dei lavori e saluti

La partecipazione all’evento è gratuita. Sarà rilasciato un attestato di partecipazione.
Si riportano gli abstract sui seminari più tecnici:

Cristian Lai, CRS4, “From Open Data to Linked Open Data”

L’incremento significativo di dati distribuiti con formato aperto (Open Data, OD) porta oggi ad affrontare numerose problematiche sulla loro reale organizzazione, diffusione e fruizione. Il seminario introduce il tema degli OD strutturati nell’ambito del Semantic Web. Nel panorama nazionale esistono numerose azioni, soprattutto a livello istituzionale, volte alla diffusione degli OD. Il paradigma degli OD rende permeabile il confine che separa chi detiene i dati dagli utilizzatori. Si genera un ecosistema in cui i vari attori condividono in modalità aperta parte dei loro dati e riutilizzano dati di altri. La gestione del dato tradizionale è superata da un modello in cui l’informazione rappresenta un elemento di valore condiviso su cui sviluppare servizi a valore aggiunto per cittadini e imprese. Gli sforzi fatti finora sono sicuramente insufficienti per raggiungere un ragionevole livello d’interoperabilità e interconnessione dei dati. Occorre andare oltre e allinearsi al concetto degli Open Data 5-star, introdotto nel maggio del 2010 al Gov 2.0 Expo da Tim Berners-Lee. Si tratta di un paradigma che classifica gli OD in una scala da uno a cinque, partendo dai dati disponibili sul web semplicemente attraverso un formato generico, arrivando a dati provenienti da diverse sorgenti e interconnessi, i Linked Open Data (LOD). Sono numerose le iniziative implementate da fornitori di contenuti, ricercatori e sviluppatori. Dbpedia, il “Semantic Web mirror” di Wikipedia, è considerato il caso di maggior successo. L’applicazione del modello proposto in Dbpedia porta alla creazione di una grande base di conoscenza condivisa che contribuisce alla creazione del Web of Data. Questo processo rende i dati più facilmente comprensibili dalle macchine e, di conseguenza migliora le risposte a richieste complesse pensate e fatte dalle persone. Inoltre, il seminario esamina il caso reale degli OD del Comune di Cagliari, mostrando come le tecnologie semantiche migliorano sensibilmente gli aspetti della fruizione, interoperabilità e interconnessione dei dati.

Maurizio Atzori, UNICA, “Strumenti semplici per l’accesso ad Open Data e Semantic Web”

Gli Open Data sono una risorsa di enorme potenziale ma di poco valore senza strumenti semplici che ne permettano una effettiva fruibilità. In questo talk presenteremo 3 sistemi sviluppati all’Università di Cagliari, due dei quali in collaborazione con l’Università della California in Los Angeles, che permettono di sfruttare vari tipi di open data che altrimenti sarebbero difficilmente fruibili per gli utenti non esperti. SWiPE, Searching WikiPedia by Example, è un sistema integrato in Wikipedia che consente di fare query strutturate su DBpedia con estrema facilità, come ad esempio: “Quali sono le città della toscana con più di 50mila abitanti”, rispondendo in maniera estremamente precisa. QA3 (QAcube), è un prototipo di ricerca di Question Answering su datacube che consente di accedere facilmente ad enormi moli di dati relativi alle spese dei governi di tutto il mondo in formato Linked Data, rispondendo a domande del tipo: “Quale e’ il capitolo di spesa piu’ alto della città di “Quale è la cifra più alta spesa sostenuta per costi immobiliari e abitazioni dal consiglio comunale di Dublino nel 2013?” Infine, il progetto CodeOntology è uno strumento per sviluppatori che sfrutta gli standard del Semantic Web consentendo di interrogare in modo strutturato codice open source e rispondendo ad esempio a domande quali “dammi tutti metodi che restituiscono un intero implementati usando un algoritmo che sfrutta la ricorsione indiretta”.

Diego Reforgiato Recupero, UNICA, “FRED, a machine reader for the Semantic Web”

Il paradigma del Machine Reading si basa su Natural Language Processing (NLP) supervisionato con l’obiettivo di estrarre conoscenza dal testo. Il machine reading è in genere molto meno preciso del reading umano, ma può processare grande ammontare di testo in tempo ragionevole, può localizzare regolarità difficilmente notabile dagli umani, e i suoi risultati possono essere riusati dal computer per altre applicazioni. Presentiamo qui FRED, un machine reader per estrarre grafi RDF che sono collegati a Linked Open Data (LOD) e conformi al Semantic Web e patterns Linked Data. FRED può essere considerato un middleware semantico perchè i suoi grafi estendono e migliorano i risultati di diverse componenti di Natural Language Processing (NLP), ma anche provvede a collegare quei risultati a conoscenza già esistente nel Semantic Web e fornisce una rappresentazione formale a quella conoscenza. Inoltre, i grafi di FRED sono in genere personalizzati per compiti di specifiche applicazioni. FRED è pubblicamente accessibile tramite RESTful API con serializzazione RDF in diverse sintassi, e fornisce pure un’applicazione web con un’interfaccia intuitiva. FRED ha un valore pratico sia agli utenti generici del Web che agli sviluppatori. Gli sviluppatori di applicazioni di tecnologia semantica possono infatti usare FRED per annotare automaticamente testo, filtrare i grafi di FRED con query SPARQL, e arricchire i loro datasets con i grafi di FRED, e con la conoscenza derivante dai vari datasets collegati. FRED è stato sviluppato (ed è correntemente migliorato) da STLAB-ISTC, CNR, http://stlab.istc.cnr.it/

per informazioni:

prof. Paola Zuddas, zuddas@unica.it

dott. ing. Massimo Di Francesco, mdifrance@unica.it

Spiacenti, i commenti sono chiusi.

credits unica.it | accessibilità Università degli Studi di Cagliari
C.F.: 80019600925 - P.I.: 00443370929
note legali | privacy

Nascondi la toolbar