Sistemi Ontologici
Con sistemi che divengono man mano più rigidi, come possiamo operare? È possibile farlo se facciamo la scelta dell’integrazione leggera.
Dare una risposta ad una domanda richiede l’esecuzione di una ricerca tra tutte le fondi d’informazione disponibili. Questa operazione può essere eseguita on-line (nel senso che i tempi di risposta lo permettono) od off-line (riempiendo un database di risposte).
Se la nostra domanda non trova risposta nei dati raccolti mediante data-mining, desideriamo sapere se esistono altri modi di aggregare i dati per ottenere la risposta.
Affrontiamo, per esempio, il caso in cui un’azienda è interessata ad isolare quelle aziende o quelle persone che sono sia clienti che fornitori. Essi hanno come identificativo un codice fiscale o la partita IVA, pertanto un solo codice identifica un solo ente. Integrando i dati anagrafici e sfruttando la ridondanza, è possibile organizzare in un nuovo modo le informazioni e, in maniera relativamente facile, individuare l’ente che è sia cliente che fornitore.
Il valore aggiunto è ottenuto quando, piuttosto che suddividere clienti e fornitori, parliamo di una categoria generale, gli interlocutori, in cui rientrano altri soggetti (ad esempio la P.A., come il comune a cui si pagano le tasse). L’idea, in questo caso, è quella di considerare il concetto, e non la sintassi, come polo di aggregazione. Questo ci permette di evitare di dover integrare le basi dati ed effettuare dunque l’integrazione leggera.
Cliente e fornitore sono keyword che mi permettono di identificare alcuni degli enti con cui ho una relazione.
A questo punto è possibile creare una struttura per i nostri interlocutori, che sono individui o persone giuridiche, che potrebbero essere nuove aziende con cui avere rapporti, ma che non sono nè clienti nè fornitori (e.g. il comune, i vicini). Scopriamo quindi di avere interazioni con un insieme di persone e un insieme di soggetti giuridici.
C’è una modalità di accesso al database mediante una correlazione che non era prevista: troviamo i clienti che sono anche fornitori perché ci riconduciamo alla struttura dei dati, ma, per unire i dati e trovare una correlazione, non ci basiamo solo sui valori che troviamo, ma anche sulla ridondanza e sulla struttura (e.g. come capisco se Mac Donalds e McDonald sono la stessa azienda?).
Per evitare l’uso di keyword, cioè evitare di caratterizzare le entità con attributi lessicali, dobbiamo usare sistemi ontologici: a noi non interessano i sinonimi per una certa entità, ma ci interessa capire la struttura del mondo, ovvero l’ontologia.
L’ontologia è qualcosa di diverso da una semantica: quest’ultima è associata ai linguaggi, mentre le ontologie sono associate ai mondi. L’ontologia è lo studio dell’essere, o del “modo in cui noi stiamo nel mondo”, mentre le semantiche sono legate ai linguaggi: per poter avere un significato, deve esistere un linguaggio. Il mondo è generato da un linguaggio, che ci permette quindi di andare sempre oltre a ciò che vediamo, e l’ontologia parla di un mondo specifico.
Ad esempio, se definiamo il termine “grattacielo” come “edificio più alto di X metri”, una frase del
tipo “tornai a casa con il grattacielo in tasca” non ha senso nell’ontologia che abbiamo definito, mentre se un’ontologia prevedesse per il termine “grattacielo” anche il significato di “statuetta-souvenir che riproduce un edificio”, quella frase assumerebbe un senso preciso.
Stabilendo correlazioni tra database, noi descriviamo il mondo: è il mondo che dice le determina le parole che usiamo. Tale mondo è sempre finito: il numero di fatti nella vita dell’organizzazione è in numero finito. Il mondo evocato dal linguaggio è invece infinito e con il linguaggio possiamo rappresentare qualunque mondo possibile, poiché il linguaggio riguarda il potenziale, non solo l’esistente. In ogni caso, è la logica che ci permette di arrivare all’essenza della semantica: e la logica che dice che, se qualcuno eroga un servizio, allora è un fornitore, poiché noi sappiamo che il servizio è un tipo di fornitura.
L’ontologia ci permette di separare due fasi: aggregazione e l’eventuale integrazione. L’aggregazione consiste nel riunire ciò che ci interessa, ed è una parte significativa dell’integrazione: se ho due documenti con gli stessi dati e aggrego il loro significato, la fatica maggiore è stata fatta. L’integrazione effettiva dei file (merge o editing) è la parte minore.
È possibile correlare le informazioni contenute nei database, ma anche documenti e video, utilizzando la semantica. Il vantaggio di avere più database, anziché uno solo, è che possiamo mantenere nei database le informazioni analitiche a livello atomico.
Dobbiamo poi essere in grado di correlare le informazioni in modo da ottenere una risposta standardizzata che permetta di ottimizzare i costi e garantire un rapporto corretto con tutti i clienti (potendo rispondere allo stesso modo).
Per capire cosa è correlato con cosa, consideriamo un esempio che nasce da un’idea del Web: possiamo applicare dei tag alle risorse, in modo da riconoscere tutte le informazioni correlate. Il problema di questo approccio è che potremmo usare tag in forma diversa per rappresentare la stessa cosa (i tag sono legati alla sintassi). Una seconda soluzione è quella di riferirsi alla dimensione semantica, passando da un lessico (cioè uso delle parole per ricavare i tag) ad una semantica (ricavare i concetti e le entità).
La semantica a cui siamo interessati è però di natura diversa di quella dei linguaggi naturali, che in generale ha obiettivi più ampi di quello proposto. Grazie alla semantica possiamo caratterizzare un linguaggio mediante il quale possiamo descrivere il mondo di nostro interesse, ovvero l’ontologia.
Le ontologie possono essere descritte mediante linguaggi logici, uno dei più diffusi è OWL (Ontology Web Language).
Mediante essa, siamo in grado di muoverci nel mondo ed interpretare i fatti. È una descrizione molto astratta, utile in relazione alle azioni che vogliamo compiere.
Nell’ontologia le relazioni tra i nodi definiscono ciò che è possibile e che è rilevante per l’ontologia in questione, non al di fuori di essa, ed essa è completa rispetto alle azioni che possiamo fare.
È utilizzata molto anche per correlare cose diverse, ad esempio quando un’azienda vuole conoscere qualcosa a proposito di un’altra azienda. In questo caso devo trovare delle modalità per correlare informazioni diverse. L’utilizzo dell’astrazione è la tecnica più utilizzata:
- diagnosi dell’organizzazione;
- diagnosi dell’uomo;
- diagnosi delle macchine.
Il tipo di astrazione dipende dalla risposta che vogliamo dare: le tre diagnosi sono correlate tra loro, anche se apparentemente tali concetti appartengono a categorie differenti.
Ognuna di queste categorie determina un insieme di diritti-doveri nelle relazioni della persona con l’organizzazione.
