Sistema configurabile per il collegamento assistito di documenti non strutturati a documenti strutturati in un EDMS attraverso l’utilizzo dei motori di ricerca

12 
 
Dovranno comunque di  volta in  volta essere prese in  
considerazione le peculiari tà del  sistema informativo in  analisi  per 
permettere  un‟ integrazione che allo  s tesso tempo sia efficace ed 
efficiente.  
Organizzazione 
Nella presente tesi  verranno descrit te tutte le fasi  della 
progettazione.  
Nel capitolo 1 verranno esposti  gli  aspett i  relativi  al la gestione 
documentale,  al  fine di  chiari re i  concett i  di  base ed individuare i l  
problema proposto.  
Nel capitolo 2 verranno esposti  i  concett i  generali  relativi  al  
mondo dell‟ Information ret rieval ,  disciplina che è alla  base del  
funzionamento dei  motori  di  ricerca.   
Nel capitolo 3 verrà analizzata l a struttura dei  meta motori  di  
ricerca e come i  sistemi di  voto vengano in aiuto nella compilazione del 
risultato finale.  
Nel capitolo 4  verrà proposta la soluzione del  problema attraverso 
la destrutturazione dei  documenti  strutturati ,  con l ‟aiuto dei  meta  
motori  di  ricerca.  
Nel capitolo 5  si  descriveranno i  prodot ti  e le tecnologie che sono 
state considerate nel la pratica per l ‟analisi  in questione.  
Nel capitolo 6  saranno delineati  gli  spunti  di  ricerca futuri  emersi  
dalla t rat tazione.  
Infine,  verranno riportate alcune note conclusive.  
13 
 
1 LA GESTIONE DOCUMENTALE 
«Pensiamo per concett i  genera li ,  ma 
viviamo di particolari .»  
Alfred North Whitehead  
1.1 Definizioni 
Un documento  può essere visto come un ‟ informazione organizzata 
o un oggetto,  t rat tato come unità.  
Un documento non-strutturato  è un documento senza un formato 
specifico (ad esempio, un fi le di  testo);  un documento semi-strutturato  
è un documento diviso in sezioni o paragrafi  (ad esempio, un testo 
formattato o una pagina web) .  
I meta data  (meta informazioni) sono informazioni strutturate che 
descrivono singoli  oggett i  per fornire conoscenze aggiuntive per 
trovare,  gestire ,  controllare,  capire o preservare tal i  oggett i .  
Un l inguaggio di  annotazione  ( l inguaggio di  markup) è un sistema 
formale per scambiare o pubblicare informazioni in modo strutturato.  
XML  è un l inguaggio di  annotazione che fornisce un formato per la  
descrizione di  dati  strutturati ,  che consente di  dichiarare con maggior 
precisione i l  contenuto dei  dati  e di  ottenere risultat i  più s ignificativ i 
nelle ricerche eseguite su diverse piattaforme (definisce in modo non 
ambiguo la st ruttura dei  dati  contenuti  nel  documento).  
Un documento strutturato  è un documento che al  suo interno 
contiene un l inguaggio di  annotazione che definisca le informazioni d i 
base relative al  documento stesso (es.  l‟autore di  un documento, i l  
cl iente a cui fa riferimento una fattura,  i l  mittente di  un messaggio di  
posta elettronica). La strutturazione dei  documenti  è  un aspetto 
importante dato che permette di  elaborare i  docu menti  in modo 
automatico (archiviazione) e renderli  facilmente recuperabil i  ed 
interpretabil i .  
14 
 
Una classe di  documento  (document class ) è la definizione delle  
meta informazioni  che sono contenute in un documento strutturato (es.  
art icolo,  fat tura,  messaggio di  posta elettronica).  In l inguaggio XML, 
un documento st rutturato è un ‟ istanza di  documento mentre una classe 
di  documento è quel l ‟ insieme di regole che l ‟ istanza di  documento deve 
rispettare.  
La gestione dei  documenti  (document management ) è i l  processo di  
acquisizione, condivisione,  tracciamento, revisione e distr ibuzione di  
documenti  e  delle informazioni in essi  contenute.  
Un sistema di gestione documentale  (document management system 
–  DMS) è un sistema automatico di  supporto alla  creazione, uti l izzo  e 
manutenzione per la creazione di  documenti  (non dati ).  
Un records management system  (RMS) è un sistema per 
l‟ identi ficazione,  la  classificazione, l ‟archiviazione e,  a  volte,  la  
cancellazione di  record (rappresentati  da singoli  documenti).  
Un sistema di  gest ione documentale elettronica  (EDMS) è un 
sistema completo software e hardware per la gestione documentale; 
include servizi  di  indicizzazione e ricerca dei  documenti ,  acquisizione,  
OCR, mass storage, gestione del  worflow e della 
condivisione/collaborazione.  
Un electronic records management system  (ERMS ) è un sistema 
automatico per gest ire la creazione, l ‟util izzo, la manutenzione e la  
distribuzione di  record elettronici;  questi  sistemi mantengono delle  
informazioni contestuali  appropriate (metadata) e co llegamenti  tra  
record al  fine di  evidenziare i l  loro contenuto.  
1.2 Il problema: la strutturazione d i documenti  non 
strutturati 
La maggior  parte delle informazioni aziendali  (circa l ‟80%) è 
composta da documenti  non strutturati ,  mentre gli  at tuali  sistemi di  
gestione documental i  non sono in grado di  gesti re tal i  documenti  senza 
un consistente intervento umano.  Fino a poco tempo fa l ‟unico modo 
che si  aveva per gestire un documento di  questo t ipo era la sua let tura 
15 
 
da un operatore e la successiva indicizzazione manuale all ‟ interno di  un 
EDMS. [Mur03]   
Recentemente sono nati  sistemi di  auto classificazione e di  auto 
estrazione che riescono ad estrarre da documenti  elett ronici  non 
strutturati  o da documenti  cartacei  st rutturati  (at traverso un sistema di 
OCR) le informazioni necessarie per una loro indicizzazione automatica 
o un loro inserimento in un sistema di gestione documentale.  
Il  problema della  strutturazione di  documenti  non st rutturati  
rimane comunque uno dei punti  chiave della ricerca in campo 
documentale,  data la  mole di  informazioni che deve essere gesti ta ogni  
giorno dalle  aziende e dalla necessità  di  trasformare ogni singolo 
documento in una componente del  proprio patrimonio informativo.  
1.3 Il vantaggio nell ’utilizzare documenti strutturati  
L‟util izzo di  st rumenti  per la  strutturazione dei  documenti  è  la via 
più efficace ed economica per gestire le informazioni.  La st rutturazione 
delle informazioni è un processo naturale della mente umana spesso 
sottovalutato o considerato implicito ,  ma l ‟umanità ha sempre 
considerato questo processo come fondamentale nella  stesura di  
documenti  (basti  pensare all ‟util izzo di  sommari ,  indici ,  divisione in  
capitoli /paragrafi).  [MR96] 
La strutturazione dei  documenti  permette di:  
  elaborare i  documenti  in maniera automatica in pro cessi  di  
archiviazione o di  es trazione dati ;  
  effettuare ricerche efficaci  in una base documentale;  
  rendere i l  contenuto del  documento faci lmente recuperabile 
ed interpretabile;  
  identificare,  elaborare ed estrarre qualsiasi  parte di  
documento.  
L‟archiviazione di  tal i  documenti  risulterà tanto dettagliata quanto 
la finezza della granulari tà della  classe di  documento, superando così  
gli  inconvenienti  dell ‟archiviazione dei  documenti  come fi le interi .  
Generalmente un documento st rutturato viene quind i visto come un 
16 
 
insieme ordinato di  nodi et ichettati ,  organizzato gerarchicamente con 
una st ruttura ad albero, permettendo un ‟ulteriore gestione della 
struttura gerarchica che a sua volta avvia una catena di  elaborazione 
automatica del  documento (es.  sistemi di  gestione automatica del  
workflow in cui ogni  processo aziendale viene accompagnato dalla 
relativa documentazione che passa di  elaborazione in elaborazione).  
[GalCap03]  
1.4 Il ciclo di vita di un documento : workflow 
documentale 
Parlando del  ciclo di  vita  di  un documento occorre considerare i l  
lavoro dei  sistemi di  gestione documentale,  i l  cui  compito è proprio di  
seguire potenzialmente tutto i l  ciclo di  vita di  un documento, dalla sua 
creazione in  poi,  gestendo aspett i  che spaziano dalla memorizzazione 
alla ricerca,  dalla condivisione fra i  dipendenti  al la pubblicazione su 
Internet  (tra le  funzioni cri t iche anche la definizione dei  diri t t i  di  
accesso ai  documenti  e la forma in cui essi  possono essere visualizzati  
o stampati ). Tali  sis temi possono anche interfacciarsi  con i  sistemi di 
workflow, un aspetto particolarmente uti le quando i  documenti  sono 
parte di  un processo ben definito (per esempio l ‟approvazione di  
acquisti )  che vede coinvolte più figure aziendali .   
Analizziamo ora i l  processo di  creazione e gestione di  un 
documento condiviso.  
La prima azione è la creazione del  documento  (anche detta  check-
in):  questa non si  esaurisce con la sola scri t tura del  documento, ma è 
necessaria la sua archiviazione tenendo conto delle meta informazion i 
ad esso associate che rappresentano i l  documento (quasi) a prescindere 
dal  proprio contenuto (es.  autore,  data di  creazione, progetto di  
riferimento).  Tali  informazioni sono essenziali  nella logica 
organizzativa della gestione di  un documento strutturato .  
È comunque diffici le creare elementi  di  catalogazione oggett ivi  
per chi deve progettare tutte le categorie in cui devono essere 
organizzati  i  documenti:  un documento può appartenere a più categorie,  
17 
 
oppure l ‟utente che deve scegliere dove classificare i l  proprio 
documento (alcuni  sistemi uti l izzano allora sistemi automatici  di  
categorizzazione semantica che si  basano sul algoritmi di  text  mining). 
Per quanto riguarda l ‟archiviazione del  documento, i l  sistema deve 
conservare non solo i l  documento fis ico, m a anche l ‟ insieme dei  
metadati  a esso associati .  Normalmente si  parla di  repository ,  anche se 
in realtà l ‟archiviazione fisica del  documento è effettuata in un fi le  
system e quella dei  metadati  in un database relazionale.  Si  crea 
successivamente una serie di  collegamenti  fra i  due archivi  tenendo 
presente che l ‟utente,  per accedere a un fi le (sul  fi le system), deve 
passare dal  database che conserva i  metadati  collegati  a quel fi le.  
L‟architettura quindi normalmente è a tre l ivell i :  i l  cl ient  (ult imamente 
un browser) ,  i l  server  di  gestione e i  due elementi  di  archiviazione 
(repository) .  
A questo punto i l  documento inizia a viaggiare logicamente 
nell‟azienda e viene uti l izzato per acquisire conoscenza e per prendere 
decisioni.  Si  parla quindi di  workflow documentale  definendolo come 
un modello "a t re  R": routes  (processi:  la sequenza di  passi),  rules  
(azioni:  ciò che va fatto)  e roles  (persone: chi lo  deve fare) .  Il  
workflow documentale,  che va ben dist into dal  workflow di processo,  
assume diversi  aspett i  a seconda del t ipo di  processo: sequenziale,  
condizionale,  "t ime driven" (scandito dal  tempo) o parallelo.  [NW00]  
In questo t rattato non analizzeremo gli  aspett i  propri  di  una 
gestione di  workflow non essendo oggetto del  lavoro di  tes i ,  ma questa 
breve analisi  è importante per capire l ‟effett iva importanza della meta 
informazioni associate ad un documento.