Social Network: estrazione automatica delle informazioni e rappresentazione semantica della conoscenza

Nel corso dello sviluppo della tesi mi sono occupato sia di "fotografare" lo stato dell'arte del semantic web in linea generale e successivamente di inquadrarlo in una prospettiva di adattamento ai social network, in particolare concentrandomi su Facebook. Al giorno d'oggi, l'ingente mole di dati catalogati sui social network ad ampia diffusione di massa, costituisce una importante fonte da cui trarre conoscenza per lo sviluppo di schemi ontologici che possono contribuire alla realizzazione del semantic web. Trarre conoscenza in maniera automatizzata da queste piattaforme tuttavia, è una operazione di Data Mining costosa in termini di strutturazione del problema e realizzazione in pratica, che deve tenere conto di precise strategie di esplorazione dei dati.

Nel corso dello sviluppo del progetto di tesi è stata realizzata un'implementazione di un applicativo in Java che estrae dati da Facebook, per mezzo di strumenti di navigazione automatici (realizzazione di un Bot) e delle API messe a disposizione da Facebook per Facebook Java Platform.

Le informazioni estratte sono state successivamente catalogate attraverso un motore di conversione da XML (formato di origine dei dati in Facebook) a RDFS/RDF ed è stata fornita una implementazione semantica attraverso Sesame, un framework open source che incapsula al suo interno funzionalità di storage e inferenza sui dati basate su SPARQL.

Dai dati successivamente estratti è stato effettuato uno studio preliminare dal quale sono emersi diversi spunti per la verifica di teorie sociologiche, come la "teoria dei sei gradi di separazione" e la legge di Dumbar, che lasciano aperte delle enormi frontiere di sviluppi futuri sul tema delle reti sociali virtuali, non ultima quella della targetizzazione ottimizzata del marketing pubblicitario a specifiche categorie di utenti tramite informazioni semantiche costruite da specifiche architetture della conoscenza.