Metodi e Tecniche per il Semantic Web Mining

Negli ultimi tempi si è verificata la possibilità di immagazzinare grandi quantità di dati provenienti da origini diverse senza un parallelo incremento della conoscenza che da essi si può derivare. Inoltre, stessi dati possono avere associate diverse interpretazioni.
L’incremento conoscitivo che può derivare da tali dati implica la ricerca di metodi avanzati di sistemi di elaborazione.
Partendo dal processo di scoperta e sviluppo di conoscenza a partire dalle Basi di Dati (Knowledge Discovery in Databases o KDD) attraverso diverse metodologie di Data Mining, si è individuata la possibilità di sviluppare meccanismi simili di scoperta e sviluppo di conoscenza dal Web tramite tecniche di Web Mining.
La parte conclusiva del processo di scoperta di conoscenza è l’interpretazione dei risultati che si sono estratti alla fine della fase di Mining. Dato che i modelli sono determinati da applicativi software, in molti casi l’interpretazione degli stessi rappresenta un problema; in particolare, la corretta interpretazione dei modelli generati può richiedere sia la rielaborazione del processo che il miglioramento dell’applicativo al fine di aggiornare le procedure già effettuate nonché i risultati raggiunti.
Le ontologie costituiscono una nuova frontiera nel campo della scoperta di conoscenza: facilitano enormemente la comprensione fornendo un supporto formale alla conoscenza tramite nuovi modelli di dati di un determinato dominio applicativo.
Le ontologie sono attualmente applicate in diverse aree della conoscenza ed esiste un considerevole sforzo di ricerca intorno ad esse, sia in termini di metodologie che in termini di strumenti per la loro creazione. Negli ultimi anni la fase di interpretazione dei risultati del mining dei dati può trarre enorme vantaggio dalla ricerca sulle ontologie.

Nel World Wide Web (WWW) gli sviluppi più rapidi si sono verificati nelle aree del Semantic Web e del Web Mining. I due campi si complementano a vicenda anche perché ognuno di loro indirizza una parte del nuovo sviluppo posto alla base del successo del WWW: la maggior parte dei dati sul Web sono così strutturati che possono essere compresi solo dagli esseri umani, ma la quantità di dati è così enorme che possono essere trattati in modo efficace solo dalle macchine. Il Semantic Web affronta la prima parte di questa sfida cercando di rendere i dati (anche) comprensibili alle macchine, mentre il Web Mining affronta la seconda parte, la (semi) automatica estrazione di conoscenza utile nascosta nei dati, rendendoli così disponibili come aggregazioni gestibili.
Il Semantic Web Mining mira a coniugare le due aree di ricerca del Semantic Web e del Web Mining. Questa visione è il risultato dell’osservazione che le relative attività di ricerca convergono in entrambe le aree: un numero sempre maggiore di ricercatori lavorano, da un lato, per migliorare i risultati del Web Mining sfruttando le nuove strutture semantiche del web, mentre da un altro, fanno uso delle tecniche di Web Mining per la costruzione del Semantic Web. Infine, queste tecniche possono essere ottimizzate per il mining del Semantic Web stesso. Il termine “Semantic Web Mining” sottolinea lo spettro di possibili interazioni tra le due aree ricerca e quindi può essere letto sia come Semantic (Web Mining) che come (Semantic Web) mining.
Il Semantic Web Mining ha ovviamente come base il linguaggio a marcature XML, sopra al quale vengono definiti i linguaggi caratteristici del Semantic Web (RDF e OWL). Utilizzando tali linguaggi, si possono costruire esplicite concettualizzazioni delle entità appartenenti ad un determinato dominio: nel seguito quando utilizziamo il termine “semantic” lo facciamo tenendo presente un modello logico formale per rappresentare la conoscenza.
La spina dorsale del Semantic Web sono le ontologie che attualmente sono quasi artigianali, questo crea delle grosse difficoltà nelle applicazioni del Semantic Web in grande scala. La sfida è quindi quella di implementare le ontologie o le istanze formali dei loro concetti in modo semi-automatico.
Le ontologie sono necessarie per incrementare sia i processi che i risultati del Web Mining. Recenti sviluppi includono il mining di siti che diventano sempre più siti semantici con l’aumento dell’espressività della rappresentazione della conoscenza nel campo del Semantic Web incrementando anche la possibilità di comprensione del web da parte delle macchine.