�ݺ�ߣ

CONDIVIDERE, COLLABORARE, CREARE
Ontologie per i Linked Open Data
Stefano De Luca
Paola De Caro,
Claudia Corcione
12/03/2015

info su www.evodevo.it
EVODEVO: CHI SIAMO
Evodevo è azienda di innovazione
per progetti Enterprise per clienti istituzionali e privati
Fornisce consulenza specializzata sulle tematiche dei dati e modelli

FOCUS: KNOWLEDGE EXTRACTION AND VISUALIZATION
Big Data
GISSemantica
• Personale altamente specializzato sulle tematiche
indicate
• Ontologi ed esperti di meta-dati e knowledge
management
• Statistici e matematici
• Informatici e GIS
• Focus su estrazione e visualizzazione della conoscenza attraverso
• data and text mining,
• tecnologie semantiche,
• GIS (sistemi geografici)
• Realizzazione di
• portali di accesso e uso di dati
• sistemi di supporto delle decisioni
• gestione della conoscenza ed open
data
I nostri prodotti e servizi sono specializzati su:
• Open Data
• Semantic web e sistemi intelligenti
• Knowledge management
• Sistemi geografici (GIS, GIScience)
• Sistemi di supporto alle indagini
• Data Visualization
• Business intelligence e Location intelligence
• Sistemi di supporto alle decisioni
• Data mining e text mining

CLIENTI PRINCIPALI

PROGETTI DI RICERCA PRINCIPALI

PUBBLICAZIONE DEI DATI
• Realizzazione degli open data INPS
• Sviluppo di una metodologia OD
• Organizzatori Open Government Summit 2012
• Azienda invitata G8 UK per trasparenza e OD e Open Data Charter
• Supporto alla redazione di documenti normativi
• Sviluppo di applicazioni web e mobile su OD
• Citati come caso di eccellenza dalla World Bank
• OD per Comuni (pubblicazione e riuso)
• Sviluppato prodotto di trasformazione e pubblicazione,
OpenDataGround
• Membri Open Knowledge Foundation (OKF)
• Soci fondatori e consiglieri dell’ Istituto Italiano Open Data

IL WEB
• L’attuale web è rivolto alle PERSONE
• Il focus è su:
• Contenuti (testi, immagini, video…)
• Pagine che raccolgono i contenuti
• Collegamenti tra pagine: hyperlink
• Esistono degli standard per definire come «costruire» il web, ad es:
• HTML: per la definizione delle pagine
• HTTP: protocollo di comunicazione per ricevere pagine e chiederne di nuove
• Gli standard sono definiti e controllati dal W3C, World Wide Web Consortium

IL SEMANTIC WEB
• Alla fine degli anni ‘90 il «padre» del web, Tim Berners-Lee ha proposto
l’estensione dal WEB al SEMANTIC WEB
• Il semantic web è rivolto ai SOFTWARE
• L’idea di fondo è che agenti software intelligenti possano «leggere» il web e
usare le informazioni per interagire tra loro e il web per rispondere a dei compiti

“… an extension of the current web in which
information is given well-defined meaning,
better enabling computers and people to work in
cooperation …”
“… a set of connected applications … forming
a consistent logical web of data …”

AGENTI IN AZIONE: LUCY PRENOTA IL MEDICO PER LA MADRE

ONTOLOGIE
• La base del semantic web. E’ un oggetto composto da:
• Un vocabolario usato per descrivere un dominio (ambito)
• Un’esplicita specificazione del significato inteso per il vocabolario
• Spesso include informazioni di classificazione
• Vincoli che catturino la conoscenza tacita (background knowledge) del
dominio
• Una buona ontologia dovrebbe:
• Catturare il signicato condiviso di un dominio
• Forire un modello formale ed usabile della macchine (software)

LINGUAGGI DELLE ONTOLOGIE: RDF, RDFS
• Si è creato un linguaggio che permettesse di definire le
risorse
• Il primo di questi linguaggi è RDF (Resource Description
Framework , aumentato successivamente da RDFS (RDF
Schema)
• Permettono di definire:
• Classi e proprietà
• Sub/super-classi (e proprietà )
• Range e domain ( delle properties)
• È stato un buon inizio, ma troppo debole per descrivere le risorse
in dettaglio e consentire la possibilità di dedurre nuove
informazioni

LINGUAGGI DELLE ONTOLOGIE:
OWL - WEB ONTOLOGY LANGUAGE
• RDF è stato esteso per creare un linguaggio che fosse capace
di descrivere un dominio e di permettere un reale reasoning
• Il reasoning (ragionamento automatico) è la capacità di
estrarre nuova conoscenza a partire dalle informazioni che si
hanno a disposizione
• Il nuovo linguaggio si chiama WEB ONTOLOGY LANGUAGE
(OWL)
• Esiste in diverse versioni, progressivamente più complesse:
• OWL-LITE: semplice da implementare ma poco espressivo
e oramai praticamente deprecato
• OWL-DL: basato sulla logica descrittiva, finalizzato
soprattutto al reasoning
• OWL-FULL: massima espressività rispetto alla descrizione
di un dominio di conoscenza, pertanto meno adatto al
reasoning (problema della indecidibilità)
• La versione attuale è OWL 2,

ESEMPIO DI ONTOLOGIA:
DEFINIZIONE DI PIZZA ITALIANA IN PROTÉGÉ

LA BASE DELLE ONTOLOGIE: LE TRIPLE
• Le ontologie rappresentano ogni
informazione sotto forma di TRIPLE
composte da:
• SOGGETTO
• RELAZIONE
• OGGETTO
• Nell’esempio di lato,
rappresentiamo il fatto che Evodevo
si occupa di ontologie
Evodevo
Ontologie
Si occupa di

LA BASE DELLE ONTOLOGIE: LE TRIPLE /2
• Usando le triple, si possono
aggiungere altri fatti
• Nella figura abbiamo esteso il
fatto precedente con altre
informazioni (altri due fatti)
Evodevo
Ontologie
Si occupa di
Azienda
È (is-a)
Intelligenza artificiale
parte di (part-of)

RIFERIMENTI ASSOLUTI
• Le ontologie ereditano molto dalle reti semantiche
• Aggiungono a queste un concetto essenziale
OGNI ELEMENTO IN UNA ONTOLOGIA DEVE ESSERE UNICO SU TUTTO IL WEB
• Questo vuol dire che non basta comporre una tripla dicendo
<evodevo, è, Azienda>
• Perché sia evodevo che azienda sono ambigui sulla rete: qualcuno potrebbe
definire un altro evodevo o un altro modo di intendere azienda
• Il ragionamento che sta dietro questo problema è che LE ONTOLOGIE SI
POSSONO UNIRE TRA DI LORO e quindi ogni elemento deve essere UNICO

RIFERIMENTI ASSOLUTI: LE URI
• Per rendere unici gli elementi, si usano le URI (Uniform Resource Identifier) o
meglio ancora IRI (Internationalized Resource Identifier), che sono URI con
caratteri internazionali
• Questo vuol dire che la tripla
<evodevo, è, Azienda>
• Diventa:
<http://www.evodevo.it/ontology#Evodevo,
http://www.w3.org/1999/02/22-rdf-syntax-ns#type,
http://www.evodevo.it/ontology#Azienda>
• Abbiamo colorato in arancione le parti di prefisso, la componente che con il
nome rende unico il riferimento

URI NON URL
• Ogni elemento di un’ontologia RDF o OWL dovrà quindi essere definito con una
URI
• Le URI sono molto simili agli indirizzi che usiamo sul web, i cosidetti URL (Uniform
Resource Locator):
• http://www.evodevo.it/
• http://it.wikipedia.org/wiki/Ontologia_(informatica)
• mailto:info@evodevo.it
• Le URI però non devono puntare a qualcosa che esista davvero su Internet
• Se cercate una URI tramite il browser potreste non trovare nulla

FATTI E DEFINIZIONI
• Le ontologie sono composte da fatti e definizioni
• Le definizioni compongono la TBOX (Terminological Box)
• Es. le persone sono umani, le ruote fanno parte di un’automobile
• I fatti compongono la ABOX (Assertional Box):
• Claudia e Paola sono persone
• Stefano guida una Volvo
• La somma delle due parti è un’ontologia completa

COSA SONO GLI OPEN DATA
• Nati come variante semplice del semantic web
• Il semantic web chiede di pubblicare i dati in formato ontologico  pochi lo
hanno fatto
• Con gli open data l’idea è:
pubblicate i dati in qualunque formato!
• Gli open data sono dati accompagnati da:
• licenza che li renda riusabili senza limiti, anche per scopi commerciali
• Metadati che permettano di trovarli e capirli

OPEN DATA ED OPEN GOVERNMENT
• Gli open data sono legati ai principi dell’open government
• Per questo sono stati sposati principalmente dalle pubbliche amministrazioni

L’ecosistema degli open data

I CINQUE LIVELLI OPEN DATA
dati in formato testo (.PDF, .TXT)
dati disponibili in struttura proprietaria (.XLS)
dati disponibili in formato non-proprietario (.CSV, .XML)
dati strutturati con URL ed URI
dati collegati (linked data) in formato semantico
(RDF /OWL + link)

ESEMPIO DI OPEN DATA: LE BIBLIOTECHE DEL COMUNE DI
FIRENZE
• I dati vengono pubblicati sul web
• Sono scaricabili in almeno uno dei formati open
• Questi dati possono essere usati per mera consultazione o elaborati
• Chi li scarica li può usare per:
• Analisi
• Statistiche
• Costruire applicazioni
• Integrarli con altri dati
• Vediamo ad es. come si distribuiscono i dati delle Biblioteche di Firenze

COSA E COME PUBBLICARE
La Legge n. 221/2012, con modificazioni, del Decreto legge n. 179 del 18 Ottobre 2012,
denominato “Decreto Crescita 2.0” stabilisce per le PA l’obbligo di:
• pubblicazione sul sito web di una sezione «Amministrazione trasparente» in cui esporre in
formato open informazioni relative a somme di danaro superiori a 1000 €, erogate a qualsiasi
titolo
• pubblicazione del catalogo dei dati, delle banche dati e dei metadati in loro possesso e i
regolamenti che ne disciplinano l’accesso e il riutilizzo
• principio dell’Open Data by default, ovvero che i dati si intendono rilasciati come dati aperti se
non hanno un’espressa adozione di licenza.
il D.lgs 33/2013 detto “Decreto trasparenza” ha imposto dei requisiti fondamentali per i dati sulla
trasparenza:
• Elenco dei dati con obbligo di pubblicazione per la trasparenza, anche per un maggiore
controllo sulle prestazioni erogate dalla PA
• accessibilità, riuso, formato leggibili i dalle macchine, metadati, licenza, formati destinati alla
fruizione del pubblico.
• Rispetto per il trattamento dei dati personali.

ESEMPIO DI USO: INCIDENTI STRADALI – LOROS LOCAL ROAD
SAFETY
• Evodevo ha realizzato una piattaforma
per l’analisi degli incidenti stradali
• Inizialmente creata per la Polizia, è stata
successivamente evoluta
• Consente di avere informazioni su:
• Dati degli incidenti
• Strade e incroci più pericolosi
• Ragioni della pericolosità
• Differenze nel tempo (orari, giorni
della settimana, feriale/festivo etc.)
• Previsione futura del rischio stradale
• Disponibile plugin per integrare i dati
messi a disposizione da ISTAT tramite
SISTAN
• Presentato alla XI Conferenza Nazionale
dell’ISTAT come caso di eccellenza

ESEMPIO D’USO: RICERCA DELLA SCUOLA MIGLIORE
29

ONTOLOGIE PER I LINKED OPEN DATA

LINKED OPEN DATA: PROBLEMATICHE E OBIETTIVI
I motivi per cui incentivare lo sviluppo e l’utilizzo dei Linked Open Data possono essere
analizzati da due punti di vista:
• Interoperabilità semantica, per una maggiore condivisione e riutilizzo delle
informazioni.
• Nuova conoscenza, dedotta ed esplicitata dal collegamento delle informazioni.

BEST PRACTICE LOD NELLE PUBBLICHE AMMINISTRAZIONI
• Sfruttamento del proprio patrimonio informativo
• Collegamento dei propri dati con quelli di altre amministrazioni
• Deduzione di nuova conoscenza attraverso il collegamento di dati e informazioni
• Dati e metadati in un’unica struttura e linguaggio, in RDF/OWL
• Riutilizzo automatico dei dati attraverso software
• Scelta di metodologie specifiche per gli open data e linked open data (ODMC, Open Data
Management Cycle, Evodevo Open Process)
• Web of data

E-GOV, AMMINISTRAZIONI E LOD
• Interesse crescente da parte delle pubbliche amministrazioni verso
l’interoperabilità semantica, anche attraverso la pubblicazioni di:
• Studio sulle best practices e raccomandazioni nell'uso delle Persistent URI (con
iniziative che riguardano i Linked Open Data e il Semantic Web) (AGID, 2012)
• Interoperabilità semantica attraverso i Linked Open Data (AGID, 2012)
• Linee Guida Nazionali Per La Valorizzazione Del Patrimonio Informativo Pubblico
(AGID 2013)
• e-GLU 2.0 (Gruppo di Lavoro per l’Usabilità, 2014).

VANTAGGI DEI LINKED OPEN DATA RISPETTO AGLI OPEN DATA
• I LOD sono più potenti in quanto:
• È possibile collegare i dati e le ontologie tra di loro (linked)
• È possibile distribuirli tramite un punto di accesso real-time (end point sparql) su
cui operare interrogazioni ed ottenere i dati anche in altri formati

LINKED!
• Ai dati di una ontologia si
possono unire dati di altre
ontologie
• Così gli open data permettono
di muoversi da un’ontologia
all’altra, con una grande
ricchezza informativa
• Si usa l’ecosistema delle
ontologie
• A fianco uno schema molto
parziale delle ontologie
publiche e i loro collegamenti

ESEMPIO DI CONNESSIONE: UNIRE AI PROPRI DATI QUELLI DI
DBPEDIA (WIKIPEDIA)
Evodevo
Roma
Ha sede in
Dbpedia:Roma
Same as
Dbpedia:Lazio
dbpedia-owl:administrativeDistrict
is dbpedia-owl:city of
dbpedia-
it:Biblioteca_Nazionale_
Centrale_di_Roma
dbpedia-
owl:ArchitecturalStructure
Is a
110 120 130 150 160
190 210 230 260 270
300
dbpprop-it:tempmax

ESEMPI DI LINKED OPEN DATA

LOD E AMMINISTRAZIONI: IL SENATO

LOD E AMMINISTRAZIONI: CAMERA DEI DEPUTATI

LOD E AMMINISTRAZIONI: AGID - SPC

UN ESEMPIO DI RIUTILIZZO DEI DATI APERTI: OPENSANITÀ

OPENSANITÀ

RAPPRESENTAZIONE DEL GRAFO

AGENDA DIGITALE EUROPEA

RISPOSTA METODOLOGICA AL PROBLEMA
DELL’INTEROPERABILITA’:
STANDARDIZZARE TUTTI I LIVELLI DI INTEROPERABILITA’
• Livello sintattico-strutturale della risorsa: linguaggio di rappresentazione (es. RDF/OWL,
standard W3C) e linguaggio che modella la struttura della risorsa (es. RDF DATA CUBE
Vocabulary, standard W3C);
• Livello lessicale delle dimensioni, attributi e misure : nome o tipo di dimensioni, misure,
attributi (tipici di risorse statistiche), standardizzati con insiemi di metadati statistici
standard come SDMX;
• Livello dei valori delle dimensioni, attributi e misure : valore delle dimensioni, misure,
attributi, attinti dove possibile da basi di conoscenza note come lo stesso SDMX o Dbpedia
ecc..
• Livello lessicale dei metadati delle risorse: tipologia di metadati con cui descrivere una
risorsa, standardizzati tramite vocabolari riconosciuti come Dublin core, SKOS, FOAF ecc..
• Livello dei valori dei metadati delle risorse : contenuto dei metadati, come il titolo,
l’autore, la data di pubblicazione;
• Livello dei valori dei metadati semantici : gli argomenti trattati nelle risorse,
standardizzati quando possibile, con basi di conoscenza in formato semantico come
Dbpedia, FreeBase, UKAT ecc..

ESEMPIO DI LOD CON TUTTI I LIVELLI DI INTEROPERABILITÀ:
INPS LOD

MODELLARE LA CONOSCENZA PER AUMENTARE
L’INTEROPERABILITÀ DEI LOD INPS
• I dataset INPS hanno una struttura simile alle
tabelle OLAP, ovvero sono dati
multidimensionali;
• Le tabelle OLAP sono trasformate in grafi
OWL attraverso RDF Data Cube Vocabulary.
• Questo approccio consente la conversione di
dati multidimensionali mantenendo le
relazioni tra le dimensioni, le misure e gli
attributi.
• L’Observation è il fenomeno da descrivere,
espresso dal valore della cella, definito
attraverso le relazioni con dimensioni, misure
e attributi.

SPEZZONE DEL
GRAFO
ONTOLOGICO DI
UN LOD INPS

RISPOSTA METODOLOGICA AL PROBLEMA DI DEDURRE NUOVA
CONOSCENZA
• STRUTTURA A GRAFO: la struttura stessa dei dati permette di navigarli e
trovare nuovi collegamenti non esplicitati dai produttori dei dati;
• COLLEGAMENTI ESTERNI: i livelli di standardizzazione permettono di collegare i
dati con altre informazioni esterne e dunque dedurre nuovi fatti da tali legami;
• REGOLE LOGICHE: la creazione di restrizioni e regole (causa-effetto) per
organizzare la conoscenza a seconda degli scopi da raggiungere;
• REASONING: i meccanismi di deduzione logica permettono di verificare le
regole e riclassificare le informazioni, scoprendone di nuove.

SCOPERTA DI NUOVA DEDUZIONE DA LINKED
CLOSED DATA
Evodevo Fraud Detection System
• Strumento per la ricerca di sospetti di frodi all’interno di un sistema.
• Dal DB relazionale al DB semantico.
• Creazione di un’ontologia per la modellazione dei dati.
• Creazione di regole personalizzate (SWRL) per l’individuazione di soggetti
perseguibili per frode, in base all’ambito di applicazione.
• Possibilità di azioni inferenziali sulla base di conoscenza.

DECISION SUPPORT SYSTEM (DSS) AD USO
DEL COMUNE DI FIRENZE
Il sistema consente di:
• Utilizzare i dati già in possesso del
Comune.
• Trasformare i dati in formato
semantico.
• Conservare i dati in triple (N-
triple).
• Definire regole per
l’individuazione di fasce di
sospetto.
• Classificare gli utenti in base al
grado di sospetto.
• Interrogare il sistema con
interfaccia user-friendly, collegato
all’ endpoint SPARQL del triple
store.

ESEMPIO DI REGOLA PER SCOPRIRE NUOVE
INFORMAZIONI
Possibili evasori fiscali nel Comune di Firenze
Dato un cittadino iscritto all’ A.I.R.E* C:
C è possibile Evasore di grado Alto se
C possiede utenza elettrica U
and C ha consumo annuo superiore alla soglia S
and C possiede richieste di occupazione del suolo pubblico R
* AIRE = Associazione Italiani Residenti all’Estero

SCOPRIRE NUOVE INFORMAZIONI PER NUOVE
ANALISI
Con il collegamento tra linked (closed) data e linked (open) data, si possono dedurre nuove
informazioni.
Esempio di reasoning geografico per il Comune di Firenze:
Con i dati dei consumi delle utenze dei
cittadini e i dati geografici di
localizzazione dei cittadini e dei quartieri
si può capire quali di essi sono fuori
soglia dei consumi relativi a quel
quartiere

SITOGRAFIA
Standard per il Semantic Web: http://www.w3.org/standards/semanticweb/
Vocabolari e ontologie RDF/OWL: http://lov.okfn.org/dataset/lov/
Specifiche tecniche Data Cube Vocabulary: http://www.w3.org/TR/vocab-data-cube/
Linee Guida per utilizzare il protocollo SDMX: http://sdmx.org/wp-content/uploads/2009/01/00_sdmx_content-
oriented_guidelines_2009.pdf
Semantic Web Tutorial: http://www.w3.org/People/Ivan/CorePresentations/SWTutorial/
Strumenti:
http://protege.stanford.edu/
https://github.com/dbpedia-spotlight/dbpedia-spotlight/wiki
http://lodlive.it/
http://stardog.com/
http://virtuoso.openlinksw.com/
http://www.oracle.com/us/products/database/options/spatial/overview/index.html
http://logd.tw.rpi.edu/technology/csv2rdf4lod
Casi d'uso:
http://www.inps.it/portale/default.aspx?iIDLink=43&bi=08&link=Open+Data
http://dati.camera.it/it/linked-data/
http://dati.senato.it/23
http://www.opensanita.it/open-data/2014-02-14-11-44-29
http://www.opensanita.it/naviga-dati/
http://digital-agenda-data.eu/
http://www.opencoesione.gov.it
http://parlamentocasadivetro.openpolis.it
54

55
RIFERIMENTI
Per informazioni:
Stefano De Luca s.deluca@evodevo.it
Paola De Caro p.decaro@evodevo.it
Claudia Corcione c.corcione@evodevo.it
Evodevo srl
Via dei Castelli Romani 12a
00040 Pomezia (Roma)
Tel. 06 9108509
info@evodevo.it
www.evodevo.it

�ݺ�ߣ

Ontologie per i linked open data / Stefano De Luca, Paola De Caro, Claudia Corcione

More Related Content

Ontologie per i linked open data / Stefano De Luca, Paola De Caro, Claudia Corcione