Tecniche di classificazione automatica di documenti per la costruzione di un portale giuridico
Autore
Lorenzo Iannuzzi - Università degli Studi di Firenze - [2004-05]
Documenti
Abstract
L'enorme quantità di risorse messe a disposizione da Internet ha stimolato la nascita di
potenti motori di ricerca (l'esempio più noto è certamente Google), capaci di raggiungere ed inserire nel proprio database ogni risorsa presente nel World Wide Web, se questa è collegata ad altri documenti. Questi motori di ricerca sono indubbiamente un ottimo strumento per reperire informazioni, tuttavia molto spesso i risultati non soddisfano pienamente le richieste informative dell'utente in termini di accuratezza, lasciandogli ancora il compito di selezionare i documenti ritenuti effettivamente rilevanti tra le centinaia (o a volte migliaia) di risultati ottenuti.
Un approccio diverso lo tentano i motori di ricerca categorici (si pensi in questo a caso a Yahoo!). La suddivisione dei documenti per categorie facilita l'utente nel reperire le informazioni cercate, ma a differenza dei motori di ricerca generici i database interrogati sono in genere molto minori. Questo è dovuto alla difficoltà di catalogare grandi quantità di dati, anche perché un approccio automatizzato è reso difficile dalla vastità del dominio al quale appartengono i documenti.
Ecco perché sono sempre maggiori i portali specializzati, cioè quegli strumenti del Web che mettono a disposizione informazioni su un singolo argomento. Generalmente questi portali forniscono anche un motore di ricerca interno, appositamente realizzato per gestire le informazioni relative all'argomento del portale. Portali di questo tipo richiedono ancora una lunga attività di costruzione e mantenimento, per tali motivi è fortemente desiderabile l'utilizzo di tecniche di categorizzazione automatica di documenti che consentano di facilitare questi compiti.
I vantaggi offerti da tali strumenti sono evidenti. La maggiore accuratezza di retrieval che tali portali assicurano riduce per l'utente la gravosità del compito di selezionare le informazioni rilevanti fra quelle effettivamente recuperate. La restrizione del dominio delle informazioni trattate dal portale permette un più rapido aggiornamento delle stesse. La specializzazione consente inoltre l'adozione dei linguaggi e delle strutture proprie della materia trattata all'interno degli strumenti informatici messi a disposizione, per facilitarne l'uso da parte di un'utenza che di quella materia ha familiarità.
Oggetto di questa tesi è l'organizzazione di un insieme di documenti riguardanti la dottrina giuridica e la realizzazione di un motore di ricerca specializzato. In particolare si vedrà come sono stati applicati metodi di Machine Learning per l'analisi e la catalogazione di documenti raccolti dal Web e come le informazioni raccolte siano state integrate con altre già esistenti.
Tutti i problemi affrontati nella realizzazione del prototipo del Portale e le relative soluzioni si incontrano anche considerando altri tipi di domini. Il lavoro svolto può quindi risultare nuovamente utile affrontando risorse diverse dai documenti di dottrina giuridica.
potenti motori di ricerca (l'esempio più noto è certamente Google), capaci di raggiungere ed inserire nel proprio database ogni risorsa presente nel World Wide Web, se questa è collegata ad altri documenti. Questi motori di ricerca sono indubbiamente un ottimo strumento per reperire informazioni, tuttavia molto spesso i risultati non soddisfano pienamente le richieste informative dell'utente in termini di accuratezza, lasciandogli ancora il compito di selezionare i documenti ritenuti effettivamente rilevanti tra le centinaia (o a volte migliaia) di risultati ottenuti.
Un approccio diverso lo tentano i motori di ricerca categorici (si pensi in questo a caso a Yahoo!). La suddivisione dei documenti per categorie facilita l'utente nel reperire le informazioni cercate, ma a differenza dei motori di ricerca generici i database interrogati sono in genere molto minori. Questo è dovuto alla difficoltà di catalogare grandi quantità di dati, anche perché un approccio automatizzato è reso difficile dalla vastità del dominio al quale appartengono i documenti.
Ecco perché sono sempre maggiori i portali specializzati, cioè quegli strumenti del Web che mettono a disposizione informazioni su un singolo argomento. Generalmente questi portali forniscono anche un motore di ricerca interno, appositamente realizzato per gestire le informazioni relative all'argomento del portale. Portali di questo tipo richiedono ancora una lunga attività di costruzione e mantenimento, per tali motivi è fortemente desiderabile l'utilizzo di tecniche di categorizzazione automatica di documenti che consentano di facilitare questi compiti.
I vantaggi offerti da tali strumenti sono evidenti. La maggiore accuratezza di retrieval che tali portali assicurano riduce per l'utente la gravosità del compito di selezionare le informazioni rilevanti fra quelle effettivamente recuperate. La restrizione del dominio delle informazioni trattate dal portale permette un più rapido aggiornamento delle stesse. La specializzazione consente inoltre l'adozione dei linguaggi e delle strutture proprie della materia trattata all'interno degli strumenti informatici messi a disposizione, per facilitarne l'uso da parte di un'utenza che di quella materia ha familiarità.
Oggetto di questa tesi è l'organizzazione di un insieme di documenti riguardanti la dottrina giuridica e la realizzazione di un motore di ricerca specializzato. In particolare si vedrà come sono stati applicati metodi di Machine Learning per l'analisi e la catalogazione di documenti raccolti dal Web e come le informazioni raccolte siano state integrate con altre già esistenti.
Tutti i problemi affrontati nella realizzazione del prototipo del Portale e le relative soluzioni si incontrano anche considerando altri tipi di domini. Il lavoro svolto può quindi risultare nuovamente utile affrontando risorse diverse dai documenti di dottrina giuridica.
Questa tesi è correlata alla categoria
segnala questa pagina ::.