Dal catalogo dati open alle ontologie con uso di mappe concettuali.
23/12/2013
*Costruire le ontologie di un dominio, ad esempio per la pubblica amministrazione:* un lavoro considerato immane, infinito, una sorta di opera incompiuta, e che rischia di esserlo se si vuole realizzarla partendo da un foglio bianco, e volendola costruire subito perfetta in ogni dettaglio.
Ma vi possono essere metodologie light che permettono di ridurre di un ordine di grandezza la complessita’ del problema. La mia proposta serve ad inferire la conoscenza “per somiglianza”, partendo da semplici concetti gia’ esistenti ed evidenziandoli, marcandoli, ove trovati.
Molto spesso la conoscenza e’ nascosta, e ci si trova a doverla recuperare con tecniche di reverse engineering: con la conoscenza a disposizione si evidenzia ove questa e’ presente, e si popola un foglio bianco: quest’ultimo viene reso disponibile ad un esperto di materia che lo perfeziona aggiungendo o togliendo ulteriore conoscenza.
La metodologia da’ molta importanza al corretto uso delle gerarchie di generalizzazione delle entita’, proprio perche’ sia disambiguata sin dall’origine la definizione ad esempio di pomodoro come frutto, ortaggio, e tutta la piu’ esauriente serie di sottoclassi ad esclusione dell’entita’ “altro”.
Le ontologie light, sono librerie di concetti che esprimono in linguaggio pseudo naturale le relazioni tra oggetti definiti in un contesto. Formalmente come da grammatica italiana: soggetto,predicato verbale,complemento oggetto. Nel contesto della pubblica amministrazione ecco un esempio: cittadino paga tributi. Le ontologia descrivono i processi del contesto mettendo in relazione (verbo “paga”) i dati (le entita’ “cittadino” e “tributi”). L’ idea e’ di partire da un nucleo di concetti esistenti e riutilizzarli come esche per una pesca semantica nei metadati.
La metodologia e’ autoapprenditiva: nuovi concetti rilevati nella pesca possono arricchire le ontologie esistenti che man mano quindi evolvono. Il vantaggio di tutto cio’ e’: massima standardizzazione e riuso,tradotto: enormi risparmi per le implementazioni informatiche.
Risparmio che parte non dal semplice riuso di applicazioni informatiche esistenti, ma da un livello decisamente piu’ elevato, che e’ il livello semantico. La proposta vuole essere solo un punto di partenza nello sviluppo delle idee: per quanto efficace e dimostrabile con misure, si basa su semplici euristiche di somiglianza, ed applica metodi derivanti dal modello entita’ relazioni, metodi che possono sembrare empirici a confronto di piu’ moderne tecniche di trattamento ontologie con triple-stores, rdf e owl. Le basi dati, o in prospettiva gli open data base, sono oggetti informatici ricchi di semantica, esse racchiudono concettualmente, oltre ai dati, anche i processi che descrivono i contesti applicativi.
Quando con un semplice metalinguaggio concettuale preso a presto dalla grammatica italiana, dico che “il cittadino paga i tributi”, esprimo sia il fatto che ci sono i dati dei cittadini, i dati dei tributi, e la relazione tra i dati dei cittadini e i dati dei tributi. Ma esprimo anche un processo dato dalla relazione, o verbo, “paga”.
La modellazione concettuale esprime con la grammatica le relazioni che vi sono tra gli oggetti informatici, che fondamentalmente sono dati, o entita’, e le relazioni, o processi. Il modello concettuale si chiama anche modello entita’ relazioni, ovvero: soggetto, predicato-verbale,
complemento-oggetto.
Se siamo fortunati l’implementazione informatica di dati e processi avviene top-down, partendo da un perfetto modello concettuale, depositato in un repository e implementato informaticamente, ovvero diventa una struttura di un open database, e un archetipo dell’applicazione informatica realizzata, ad esempio un servizio pubblico di connettivita’ a quel certo dato. Tutto questo potrebbe non esistere, per cui bisogna in qualche modo sforzarsi di “riottenere il maiale partendo dal salame”, con operazioni di reverse engineering, cioe’ di risalire ai modelli concettuali che hanno generato gli oggetti informatici fisicamente realizzati, nella fattispecie gli opendatabase, vediamoli come tabelle costituite da righe e colonne, e tra loro relazionate da attributi chiave. Per semplicita’ immaginiamo un data base access, con tabelle tra loro correlate. Vi sono tools che permettono di dare una forma grafica ad una base dati, partendo dalla sua struttura fisica, e trasformandola in un grafo con le tabelle e i campi racchiusi in tanti quadrati, e le relazioni tra le tavole espresse come linee di collegamento tra tabelle, linee che legano i campi chiave tra una tabella e l’altra. Ma non basta. L’idea e’ quella di usare entita’, gerarchie, relazioni e attributi di una ontologia a disposizione, come esche da pesca per “pescare” i concetti nei metadati, in particolare nei nomi e descrizioni di tavole e campi, si pescano i concetti per somiglianza. Tale lavoro permette di ridurre di un ordine di grandezza i tempi necessari a riconcettualizzare dal basso.
