Sviluppo di un motore per la ricerca di contenuti correlati semanticamente e l'estensione di relazioni in basi di dati

- CAPITOLO 1 - 
FORMAZIONE DI IDENTITA’ DIGITALI 
1.1 CODICE BINARIO, IDENTITA’DIGITALI E DATA MINING 
L'era dell'informazione digitale è stata creata in seguito alla capacità di tradurre essenzialmente tutte 
le informazioni in codice binario. La traduzione dei dati in codice binario è esistita per centinaia di 
anni. Già nel sedicesimo secolo, il matematico-filosofo Francis Bacon (1561 -1626) inventò un 
codice binario di cifratura della lingua composto da due lettere, A e B, come descritto nel suo libro 
“Advancement of Learning”. I fondamenti della logica binaria stabiliti dal filosofo-matematico 
tedesco Gottfried Wilhelm von Leibniz (1646 - 1716) sono stati pietre miliari per lo sviluppo di 
teorie della logica da parte del matematico-filosofo inglese George Boole (1815 - 1864), tra i 
fondatori della logica moderna. La logica booleana risolve problemi complessi dividendoli in unità 
basate su semplici strutture. Le strutture logiche di George Boole sono state tradotte in circuiti 
elettrici, che hanno portato allo sviluppo dei moderni computer, la base della rivoluzione 
informatica. Samuel F.B. Morse (1791 - 1872), inventò il telegrafo e il metodo per inviare messaggi 
sulla base del codice binario, punto e linea. Morse, ha migliorato il codice prendendo in 
considerazione la struttura statistica della lingua. Il Morse e i codici di Bacon sono stati 
successivamente sostituiti da il “bit” binario, che rappresenta un impulso elettrico in una sequenza 
di impulsi elettrici che attivano i computer moderni .Comunicazione, memorizzazione ed 
elaborazione dei dati sono diventati elementi appartenenti alla scienza grazie a Claude E. Shannon, 
che nel 1948 pubblicò il suo classico "A Mathematical Theory of Communication ", che ha dato 
alla luce il settore dell’ Information Theory. Un altro contributo importante è il teorema di 
campionamento di Shannon-Nyqvist , che dice che qualsiasi segnale analogico può essere oggetto 
di campionamento e quindi digitalizzato. L'enorme importanza di questo teorema di 
campionamento sorge oggi evidente, quando la musica e le immagini sono regolarmente 
campionati; pertanto possono essere determinati come oggetti digitali. Shannon ha anche dimostrato 
che un segnale digitale può sempre essere trasferito mediante un canale senza perdita di 
informazioni. Questo è importante quanto il teorema del campionamento e consente la 
comunicazione digitale. Infatti ci mostra l'importanza della codifica digitale dei dati , la correzione 
di errori di compressione, o simili. Con ciò, siamo entrati nell'era digitale, in cui l'informazione 
viene campionata in un dominio digitale, immagazzinata, trattata e divulgata con sempre maggiore 
facilità ed efficienza. 
5
Nicholas Negroponte del MIT chiama la singola cifra, bit, “ il più piccolo elemento atomico nel 
DNA delle informazioni ". Il bit è rappresentato dai numeri uno e zero. Oggi i computer possono 
effettuare fino a miliardi di calcoli binari al secondo, cifrare azioni di persone in tutti gli aspetti 
della vita quotidiana in bit e accumulare dati illimitati nei database. In sviluppi paralleli, la gente ha 
iniziato a guardare come i computer possono essere utilizzati per imitare la mente umana e 
interagire con essa. Tra le figure chiave dei primi sviluppi di questa scienza cognitiva sono stati 
J.C.R. Licklider, un ricercatore in psicoacustica, visto come l'uomo che ha suggerito le basi di 
interazione uomo-computer e Norbert Wiener, il matematico che ha inventato la cibernetica. Questa 
intelligenza artificiale ha dato inizio al personal computing, che ha fornito una spinta radicale 
all'idea che i computer non erano utilizzabili solo per l'automazione, ma anche per "aumentare 
l'intelligenza umana", come dice Douglas Engelbart. Engelbart è noto come l'inventore del mouse, 
ma dovrebbe essere accreditato con molto di più. Il 9 Dicembre 1968, la squadra di Engelbart al suo 
SRI Augmentation Center ha eseguito quella che ora è chiamata "la Madre di tutte le demo"; si 
tratta di un prototipo di lavoro di personal computer in rete, tra cui nacque il primo mouse per 
computer al mondo e l'introduzione di videoconferenza, teleconferenza e e-mail. La visione di 
Engelbart non è stata presa sul serio da tutti al momento. I computer avrebbero dovuto essere più 
grandi possibile. Engelbart ha suggerito che dovrebbe essere il più piccolo computer possibile. I 
computer avrebbero dovuto sostenere delle attività speciali, coinvolgendo lo stanziamento e 
l’investimento di molte risorse, soprattutto economiche, come calcolare traiettorie di missili, la 
gestione avanzata di transazioni di business per le organizzazioni di grandi dimensioni o eseguire 
delle operazioni per centrali nucleari. Engelbart propose alla gente di usare questa tecnologia per 
scrivere lettere o chattare con colleghi o familiari. Il personal computing è ormai una realtà 
consolidata. Internet è onnipresente, i personal computer sono ovunque e siamo vicini al punto di 
quando tutti gli esseri umani prevedono di utilizzare personal computer per aumentare la loro 
intelligenza. Come il nostro personal computer è collegato su Internet e utilizzato per facilitare 
l'interazione, la nostra intelligenza collettiva si sviluppa. Ma così anche l'intelligenza del sistema 
stesso, l'intelligenza artificiale nei sistemi di computer con le quali interagiamo. Ulteriori 
informazioni e altro ancora di analogo si è trasferito nel mondo digitale. Tutto ciò è immagazzinato, 
trasferito e processato in miriadi di combinazioni, sostenendo i nostri processi decisionali e facendo 
prendere decisioni per noi. Con la crescita sempre più rapida dei dati disponibili su Internet, 
l'interesse nella ricerca di modi per creare più possibili valori da tutti questi dati è crescente. Questo 
può consistere nel trovare nuove tendenze nelle società di persone che non abbiano avuto 
conoscenza, o in altri modi per trovare e abbinare i pezzi di informazioni in luoghi diversi per la 
produzione di nuove conoscenze preziose. Non è banale. Si tratta di trovare gli “aghi in pagliai”, 
6
cercando di rispondere a domande pertinenti, a volte anche in cerca di risposte senza sapere le 
domande. Il data mining affronta queste domande. Può essere definito come un processo di 
ottenimento di nuove conoscenze in modo automatico, analizzando database digitali (analisi basata 
su codici binari), casualmente costruiti usando algoritmi intelligenti. Un algoritmo è un array di 
comandi per il computer per eseguire e definire le azioni secondo un ordine prestabilito. Un 
algoritmo intelligente è un algoritmo che non fa la stessa cosa ogni volta, ma varia in modi diversi 
senza precedenti. Inserisce l'incertezza nel processo in forma di probabilità. Inoltre, un algoritmo 
intelligente "impara dall'esperienza (euristicamente) "e riduce i fattori di incertezza nel corso del 
tempo, aumentando così la conoscenza. 
Uno degli obiettivi del data mining nell'era di Internet è quello di identificare le caratteristiche 
nascoste in qualche personalità per predire il comportamento futuro. L'intelligenza artificiale è 
definita come una scienza che si occupa della costruzione di macchine (computer) il cui scopo è 
quello di eseguire azioni di calcolo decisionale come alternativa all’ intelligenza umana. La forza e 
la peculiarità degli algoritmi intelligenti deriva dalla loro capacità di valutare situazioni complesse, 
con molte variabili, pur considerando i diversi livelli di incertezza. A questo proposito notiamo 
l'importante contributo del matematico inglese Thomas Bayes (1702 - 1761), che ha sviluppato le 
basi per la teoria che incorpora l'incertezza nel processo decisionale e di problem-solving, un 
elemento vitale per l'intelligenza artificiale. Così, per la prima volta nella storia dell'uomo, gli 
strumenti analitici di data mining e Artificial Intelligence (AI) consentono l'analisi delle situazioni 
di incertezza che hanno centinaia e migliaia di variabili. I sistemi costruiti da questi strumenti sono 
programmati per imparare euristicamente, cioè ridurre costantemente l'incertezza e aumentare così 
la conoscenza. Oggi, gli algoritmi di intelligenza artificiale sono in grado di costruire un’identità 
digitale per ogni persona che effettua le azioni su Internet. I robots di data mining sono in grado di 
analizzare testi, video, contenuti audio e trasformarli in DNA sociologici che descrivono la 
personalità individuale. Costruire un’ identità digitale è un processo dinamico, aggiornato fino a 
quando la persona è attiva sul web. 
1.2 GESTIONE DELLE IDENTITA DIGITALI, SVILUPPO DI UNO STANDARD 
UNIVERSALE 
Oggi, l'industria globale della conoscenza investe grandi risorse nello sviluppo e nel miglioramento 
di tecniche di gestione delle identità digitali. La gestione di identità digitali si sta sviluppando 
rapidamente e si chiama "federated identity management". Il termine "federated identity" si riferisce 
alle diverse componenti dei profili degli utenti raccolte durante la navigazione su siti web diversi e 
consolidati in profili uniformi secondo uno standard globale. Il termine è usato anche per l'adozione 
7
di norme per il processo di identificazione dei consumatori sulle diverse piattaforme. Un consorzio 
leader a livello mondiale in questo campo è OASIS: "Organizzation for the Advancement of 
Structured Information Standards"; questa NPO (organizzazione non-profit) è associata con oltre un 
centinaio di Paesi e seicento organizzazioni, comprese le organizzazioni non governative, istituzioni 
educative e società commerciali. Un aspetto importante nello sviluppo di uno standard universale 
per la creazione di un identità digitale è il Semantic Web e il Socio-Semantic Web (S2W). L'obiettivo 
del Semantic Web è quello di costruire uno standard universale per la codifica di informazioni su 
Internet. Tim Berners-Lee, il padre fondatore del World Wide Web, che immagina lo sviluppo di 
Internet e il cyberspazio come un mezzo universale per lo scambio di informazioni, testa lo sforzo 
di sviluppare il Web Semantico. Il Socio-Semantic Web è sviluppato per consentire al vasto 
pubblico di codificare le informazioni sul web cooperativo (Collaborative Tagging Folksonomy), 
per sfruttare l’ "Intelligenza collettiva" che caratterizza l'Internet sociale (Web 2.0) e quindi rendere 
i motori di ricerca più efficienti. 
Lo sviluppo di standard universali per la codifica delle identità digitali e la loro definizione è una 
continuazione dello sviluppo del Semantic Web, a fare la codifica universale di componenti di 
identità digitali nel modo più efficiente. Attualmente, il più acclamato standard per la costruzione di 
identità digitali è chiamato SAML2, "Security Assersion Markup Language 2.0" che consente il 
consolidamento delle identità digitali degli utenti su diverse piattaforme. La norma è stata 
correttamente assimilata nelle organizzazioni finanziarie, istituti accademici, nell’amministrazione 
elettronica americana e altro ancora. L'adozione di standard internazionali per la definizione delle 
identità digitali è di significativa importanza per la capacità di seguire i così detti “surfisti” in 
qualsiasi sito nel cyberspazio e lo svolgimento diffuso di studi sulla relazione tra identità digitali 
degli utenti e la loro personalità, campi di interesse e le capacità cognitive. Dall’ 11 settembre 2001 
(il crollo delle Twin Towers, NY) è stato accelerato lo sviluppo di identità digitali 
multidimensionali. Il Dipartimento della Difesa Americano ha stanziato molte risorse per il "Total 
Information Awareness "(TIA) attraverso il progetto DARPA (Defense Advanced Research Projects 
Agency), che ha finanziato anche lo sviluppo iniziale di Internet, che si è concentrato sullo sviluppo 
di algoritmi intelligenti per la costruzione di identità digitali di potenziali terroristi, combinati con 
dati biometrici della persona (la struttura del viso, impronte digitali, struttura della pupilla, 
camminata, ecc), il comportamento e le azioni sul web quali commercio, turismo, medicina, 
trasporti e alloggi, così come tutte le azioni relative al governo e dei media. Obiettivo di questo 
progetto è quello di prevedere attività di terrorismo con le identità digitali. Questi nuovi strumenti di 
ricerca, senza dubbio si integrano nel trend di sviluppo della costruzione delle identità digitali. 
Internet è stato avviato dalla DARPA per la guerra di comunicazione digitale, cercando di 
8
progettare una rete che potrebbe rapidamente reindirizzare il traffico digitale intorno a stazioni di 
switching disabilitate. Se identità digitali possono essere costruite per i terroristi, simulando i loro 
modelli di comportamento che consentono di ottenere il sopravvento, lo stesso può essere fatto per 
altri target come venditori, negozianti, giurie, parlamentari o membri della famiglia. 
1.3 IDENTITA’ DIGITALI E SOCIAL NETWORKS 
Oggi, molte persone hanno iniziato a creare le proprie identità digitali. Queste identità digitali 
possono corrispondere alla loro reale identità di vita, o possono essere nuove identità 
intenzionalmente diverse. Uno dei principali usi di Internet è l'attività nei social networks. Oggi, 
milioni di persone appartengono a un social network che, a volte, rappresenta la risposta di molte 
necessità, sociali, economiche e politiche. Un social network è un gruppo che mantiene collegati un 
insieme di informazioni in formato testo, video, foto o voce per scopi sociali. Ogni membro di 
ciascun network deve fornire i propri dati personali e questi sono esposti ad altri membri della rete o 
a parte di essi, secondo la scelta dell'utente. I primi studi mostrano che l'appartenenza a vari social 
networks aumenta il "capitale sociale" della sua membership. Tuttavia, in questo capitolo non ci 
occupiamo di discutere i vantaggi e gli svantaggi dei social networks visti dal punto di vista degli 
utenti della società. 
Il nostro interesse si trova nella capacità dei social networks di fornire dati personali come un 
prerequisito di appartenenza. L'era dell'informazione “friendly” ottiene un nuovo significato: 
conoscenza personale, condivisione delle esperienze e reciproca fiducia. Nell'era dell'informazione 
"friendly" diminuisce spesso la presenza di utenti appartenenti a una sottogruppo di un social 
network, la maggior parte dei quali sono anonimi; la friendship è essenzialmente misurata in base 
alla quantità di informazioni trasferite tra i membri della rete mentre la popolarità di ciascun 
membro è misurata a volte per il numero di iscritti interessati a ricevere gli aggiornamenti delle 
informazioni. Alcune reti limitano la loro membership. La maggior parte dei principali social 
networks hanno una simile architettura di base. Chiedono di definire profili personali e nelle 
applicazioni offrono vari servizi, compresi l'opzione di caricare contenuti diversi e di fornire 
percorsi di comunicazione tra i membri. Per quanto riguarda la compilazione del profilo, gli utenti 
sono invitati a inserire in appositi campi i propri dettagli personali (per esempio sesso, stato civile, 
aree di interesse, paese di origine, religione, etnia, umore prevalente ecc.). Il numero di campi 
obbligatori varia tra i differenti social networks. Tra le applicazioni di comunicazione, i social 
networks facilitano l'inoltro della notifica immediata (SMS, e-mail), la creazione di gruppi di 
discussione su alcuni temi e offrono opzioni di partecipazione simultanea a forum di discussione 
asincroni. Nella zona di upload dei contenuti, la maggior parte delle reti di grandi dimensioni 
9
consentono ai membri di caricare testi, video, audio, foto, film, hobby, un feedback su libri, luoghi 
di ricreazione e molto altro. Molte persone sono iscritte a diversi social networks allo stesso tempo. 
Oggi, la ricerca viene effettuata su cross-membership di riferimento su reti diverse utilizzando 
algoritmi intelligenti, analizzando basi di dati e basandosi su principi di comunicazione elettronica 
per identificare social networks nascosti e prevedere la prospettiva di creare connessioni tra i vari 
membri sulla rete in base alle loro identità digitali. Un altro campo di ricerca si concentra 
sull’estrazione di informazioni dalla rete di membri iscritti ad alcuni social networks e sul confronto 
incrociato dei dati per prevedere i conflitti di interesse tra i membri scoprendo connessioni 
nascoste. I ricercatori Nowell e Klienberg hanno esaminato la rete aperta Friend Of A Friend 
(FOAF), e la bibliografia database "Co-autori" DBLP, che comprende i nomi di scienziati che 
hanno partecipato a studi e pubblicazioni in scienze informatiche. Le bibliografie di rete sono state 
esaminate per scoprire le relazioni di amicizia e la cooperazione tra ricercatori diversi e di 
identificare i possibili conflitti di interesse tra i potenziali giudizi di articoli da rivedere. Un ulteriore 
esempio di potenziali conflitti di interesse di cui menzionano gli articoli di Nowell e Klienberg si 
può trovare sul social network Linkedin.com, forse rilevanti nello studio di IPO (Initial Public 
Offering) o le reti come Friendster e MySpace, che contengono informazioni su vaste connessioni 
sociali, eventualmente in grado di indicare alcune inclinazioni nel processo decisionale all'interno di 
diverse aree. Nel settembre 2007 la rete di Myspace ha informato i propri azionisti sull'intenzione di 
effettuare il data mining, utilizzando i profili e i blog di un centinaio di milioni di suoi membri, a 
diretta pubblicità e servizi a loro favore. Quindi, questo è l'inizio di un sistema di screening in grado 
di fornire servizi e informazioni ai membri secondo la loro identità digitale. L'obiettivo dichiarato è 
quello di migliorare l'esperienza di adesione alla rete, per aggiungere valore all'esperienza degli 
utenti. 
Jon Callas, responsabile per la sicurezza informatica dell’azienda PGP ed esperto in Pretty Good 
Algorithm, algoritmo di cifratura (nessun collegamento con il Personal Genome Project), è stato 
colpito dalla disponibilità delle persone a rivelare dati personali sul web. La quantità di 
informazioni che i social networks accumulano sui membri è molto vasta; ciò risulta essere molto 
importante per il data mining e per la costruzione di diverse identità digitali su tutti i membri. La 
capacità di collegare i profili personali degli utenti con i loro dati permette la costruzione di 
personalità legate a basi di dati ad un livello quasi scientifico. Finora, la conoscenza umana in questi 
settori ha utilizzato i modelli classici di ricerca con una portata limitata, con un controllato numero 
di variabili. La realizzazione di ricerche che comprendono milioni di persone, con la massima 
accessibilità alle informazioni e l'aiuto di strumenti di ricerca che consentono l'esame simultaneo di 
10