1. I pilastri della semantica dei dati¶

1.1. Attribuire un’identità alle cose del mondo: URI(IRI)¶

È sempre bene strutturare i dati privilegiando l’individuazione di entità e riducendo l’uso di descrizioni testuali (things, not strings). Le entità possono poi essere identificate univocamente attraverso l’uso di identificativi univoci e persistenti a cui riferirsi in maniera condivisa, risolvendo così il problema dell’identità anche nell’interscambio dei dati.

Si definisce Uniform Resource Identifier (URI) una sequenza di caratteri che identifica univocamente e in maniera persistente nel tempo una risorsa (nel web). Si usa il termine IRI - International Resource Identifier quando si parla di un identificativo che consente l’utilizzo di caratteri adatti a lingue diverse dall’inglese.

Un esempio di URI è il seguente: https://w3id.org/italia/lombardia/data/construction/1A060-00365.

Esso segue le linee guida open data per la definizione di URI univoci e persistenti nel tempo a cui si rimanda.

Nella gestione degli URI, come riportato nelle suddette linee guida, si ricorda in questo contesto che è necessario abilitare:

meccanismi di content negotiation nella richiesta di una risorsa: questi consentono di rendere disponibile, allo stesso URI, diverse rappresentazioni di una risorsa in caso di molteplici rappresentazioni/formati della stessa;
meccanismi di dereferenziazione degli URI: se utilizzati con un browser, gli URI devono restituire una rappresentazione web (ad esempio una pagina web informativa) della risorsa che identificano.

1.2. Collegare i dati con l’uso di standard aperti e condivisi¶

L’uso di standard aperti e condivisi, che offrono nativamente la possibilità di collegare dati, agevola l’interoperabilità e l’integrazione dei dati.

Nel contesto del Web Semantico, gli standard riportati nel seguito sono quelli di riferimento per raggiungere questi obiettivi.

1.2.1. Standard RDF – Resource Description Framework¶

Le risorse web semantiche sono descritte in termini di entità, che hanno un tipo, e di relazioni tra entità che hanno un significato.

La forma di rappresentazione è quella della tripla soggetto-predicato-oggetto, dove il soggetto è un nodo che ha sempre un URI/IRI, il predicato è un arco che ha sempre un URI/IRI, l’oggetto può essere una semplice stringa, un numero, una data, un booleano, oppure un nodo con un URI/IRI così da diventare potenzialmente il soggetto di un’altra tripla. Quest’ultimo meccanismo consente di concatenare triple, creando così i presupposti per collegare i dati a formare un grafo interconnesso di conoscenza (seguente figura).

Fig. 1.1 Esempio di grafo interconnesso di conoscenza¶

Lo standard RDF, pertanto, offre un modello di rappresentazione di dati semanticamente arricchiti e collegati nel Web e può essere serializzato (o reso disponibile) attraverso diversi formati.

1.2.2. Alcuni formati noti dello standard RDF¶

RDF/XML

RDF/XML è una sintassi XML usata per rappresentare dati espressi secondo il modello RDF. I file RDF/XML hanno estensione .rdf.

Un esempio di serializzazione RDF/XML, per rappresentare un’organizzazione pubblica dal nome Consiglio Nazionale delle Ricerche – CNR e con il suo codice IPA associato, è quello di seguito:

<?xml version="1.0" encoding="utf-8" ?>

<rdf:RDF xmlns:rdf="http://www.w3.org/1999/02/22-rdf-syntax-ns#"

         xmlns:cov="https://w3id.org/italia/onto/COV/">

  <rdf:Description rdf:about="https://w3id.org/italia/data/organisation/cnr">

    <rdf:type rdf:resource="https://w3id.org/italia/onto/COV/PublicOrganization"/>

    <cov:legalName xml:lang="it">Consiglio Nazionale delle Ricerche - CNR</cov:legalName>

    <cov:IPACode>cnr</cov:IPACode>

  </rdf:Description>

</rdf:RDF>

RDF/Turtle

RDF/Turtle è una sintassi che consente di rappresentare un grafo RDF in una forma di testo compatta, ad oggetti (tutte le triple associate a un soggetto), più leggibile anche dalle persone.

I file RDF/Turtle hanno estensione .ttl.

Lo stesso esempio utilizzato per la serializzazione RDF/XML è rappresentato nel formato RDF/Turtle di seguito.

@prefix cov: <https://w3id.org/italia/onto/COV/> .

<https://w3id.org/italia/data/organisation/cnr> a cov:PublicOrganization ;

  cov:legalName "Consiglio Nazionale delle Ricerche - CNR"@it ;

  cov:IPACode "cnr" .

JSON-LD

JSON-LD è una sintassi JSON usata per rappresentare dati espressi secondo il modello RDF. La sintassi è definita per potersi integrare agevolmente nei sistemi che già utilizzano JSON e fornisce un percorso di transizione da JSON a JSON-LD. Nasce principalmente come un modo per utilizzare dati interconnessi in grafi della conoscenza in ambienti di programmazione basati sul Web, per costruire servizi Web interoperabili e per memorizzare i dati in motori di archiviazione basati su JSON.

I file JSON-LD hanno estensione .jsonld.

Lo stesso esempio utilizzato per le serializzazioni RDF/XML e RDF/Turtle è illustrato di seguito nel formato JSON-LD.

{

  "@context": {

    "rdf": "http://www.w3.org/1999/02/22-rdf-syntax-ns#",

    "cov": "https://w3id.org/italia/onto/COV/"

  },

  "@id": "https://w3id.org/italia/data/organisation/cnr",

  "@type": "cov:PublicOrganization",

  "cov:IPACode": "cnr",

  "cov:legalName": {

    "@language": "it",

    "@value": "Consiglio Nazionale delle Ricerche - CNR"

  }

}

1.3. Dare un significato alle cose del mondo¶

Per garantire che il significato dei dati sia preservato durante l’interscambio è necessario esplicitare il loro significato. Questo comporta definire, in modo più o meno articolato, tipi e relazioni tra tipi.

Per definire il significato dei dati si usano strumenti quali i vocabolari controllati e/o le ontologie, descritti di seguito.

1.3.1. Vocabolario controllato¶

Con il termine vocabolario controllato si intende un elenco standardizzato di concetti denotati da termini di riferimento e da codici. L’elenco è utile per organizzare, descrivere, predefinire e indicizzare conoscenza di un dominio (e.g., il vocabolario controllato sulla tipologia di beni culturali italiani).

Esistono alcune tipologie di elenchi di concetti che rientrano sotto il termine generale di “vocabolari controllati”:

Lista di termini (Code List): Una lista di concetti identificati da un codice e denotati da un termine;
Tassonomia (Taxonomy): L’elenco di concetti, con i relativi termini principali e codici, è organizzato in una struttura gerarchia, dove le categorie più ampie possono ricomprendere sottocategorie più ristrette (e.g., Animale – Cane, Gatto);
Tesauro (Tesauri): L’elenco di concetti è organizzato in maniera più articolata delle due tipologie precedenti. In un tesauro i concetti possono essere in relazione tra loro, non solo in forma gerarchica ma anche in forma di correlazione o per indicare che un termine di un concetto è sinonimo di un altro termine. In generale, un tesauro dovrebbe includere anche le definizioni associate a ciascun concetto.

Buona e diffusa pratica è quella di utilizzare un’ontologia per definire vocabolari controllati di tutti i tipi. Questa ontologia è uno standard del Web e si chiama SKOS - Simple Knowledge Organization System.

Di seguito è riportato un estratto di uso di SKOS per definire la lista di termini del sesso di una persona, rappresentati nel formato RDF/Turtle.

<https://w3id.org/italia/controlled-vocabulary/classifications-for-people/sex/F>

 a skos:Concept ;

 skos:inScheme <https://w3id.org/italia/controlled-vocabulary/classifications-for-people/sex> ;

 skos:notation "F" ;

 skos:prefLabel "Femmina"@it , "Female"@en .

Nell’esempio, il concetto di femmina ha un URI associato ed è definito come un concetto secondo SKOS (Concept) che si trova in un vocabolario più ampio sul sesso (la proprietà SKOS inScheme), che ha un codice F (la proprietà SKOS notation) e che ha un termine principale o preferito (la proprietà SKOS prefLabel) espresso nelle due lingue dell’italiano e dell’inglese.

1.3.2. Ontologia¶

In ambito informatico, con il termine ontologia si intende una specifica formale, condivisa ed esplicita di una rappresentazione (concettualizzazione) di un dominio di conoscenza, definita sulla base di requisiti specifici. La rappresentazione consiste nella definizione di entità (o classi), di attributi di entità e di relazioni tra entità.

Un’ontologia offre una semantica molto più forte di quella offerta da semplici vocabolari controllati o da semplici dizionari: attraverso la definizione dei suoi assiomi logici, ossia affermazioni che, andando oltre la semplice enunciazione di principi universalmente veri, permettono di esprimere relazioni e vincoli specifici tra entità (classi) all’interno dell’ontologia (e.g., assiomi di equivalenza, di disgiunzione tra membri di classi, ecc.), è possibile abilitare un ragionamento automatico, verificare la coerenza nelle definizioni, inferire nuova conoscenza.

In generale, le ontologie svolgono un ruolo cruciale nella strutturazione e gestione della conoscenza, rendendo le informazioni più accessibili, interpretabili e utilizzabili sia dagli esseri umani che da macchine.

Esistono degli standard del Web che consentono di creare ontologie. Gli standard sono:

RDFS – RDF Schema: è un vocabolario leggero che estende il modello RDF per descrivere semanticamente dati RDF. Esso fornisce elementi basilari per creare ontologie (e.g., definisce se una classe è sottoclasse di un’altra, il dominio e codominio delle proprietà tra classi, ecc.)
OWL – Web Ontology Language: è un linguaggio per la rappresentazione della conoscenza che si basa su RDF e RDFS ma che offre capacità più espressive per definire la semantica dei dati (e.g., vincoli di cardinalità per specificare il numero di istanze che una proprietà può avere, operatori logici per definire relazioni complesse, ecc.).

Di seguito si riporta un estratto, a titolo d’esempio, dell’ontologia OWL sulle persone, espressa nel formato RDF/Turtle.

### Proprietà haSesso

:hasSex rdf:type owl:ObjectProperty ;

        rdfs:domain :Person ;

        rdfs:range :Sex ;

        rdfs:comment "La relazione che lega una persona al suo sesso"@it ,

        rdfs:isDefinedBy <https://w3id.org/italia/onto/CPV> ;

        rdfs:label "ha sesso"@it ,

                   "has sex"@en .

### Classe Persona Fisica

:Person rdf:type owl:Class ;

        rdfs:subClassOf

               [ rdf:type owl:Restriction ;

                owl:onProperty :hasSex ;

                owl:qualifiedCardinality "1"^^xsd:nonNegativeInteger ;

                owl:onClass :Sex

              ];

       rdfs:comment "Un singolo essere umano che può essere vivo o morto. Secondo la definizione giuridica è ogni essere umano che assume, dal momento della nascita, lo stato di soggetto di diritto e come tale una capacità giuridica, ovvero la titolarità di diritti e doveri e l'assunzione di una posizione nelle situazioni giuridiche soggettive."@it ;

        rdfs:isDefinedBy <https://w3id.org/italia/onto/CPV> ;

        rdfs:label "Person"@en ,

                   "Persona fisica"@it .

Nell’esempio esiste una proprietà tra classi haSex che collega la classe Person (rdfs:domain) alla classe Sex (rdfs:range) ed esiste la definizione della classe Person (owl:Class). Per la classe Person, l’esempio fornisce anche la definizione in OWL di vincoli di cardinalità. In particolare, si sta definendo che tutte le persone formano un sottoinsieme di tutte le cose che hanno un sesso.

1.3.3. Relazione tra ontologie e vocabolari controllati¶

Da quanto sopra riportato è evidente che, sebbene le ontologie e i vocabolari controllati consentano di dare un significato ai dati e possano essere entrambi definiti per rappresentare la conoscenza di un certo dominio di interesse, il livello di profondità semantica offerta dai due strumenti è diverso.

La figura che segue mostra il grado di profondità semantico offerto dai vocabolari controllati, di diverso tipo, rispetto alle ontologie.

Fig. 1.2 Livelli di espressività semantica¶

1.4. Dare la possibilità di interrogare i dati¶

Nell’ambito della semantica, è necessario fornire strumenti che consentano di interrogare i dati, sia in un’interazione di tipo persona-macchina che in una di tipo macchina-macchina.

1.4.1. Lo Standard SPARQL - SPARQL Protocol and RDF Query Language¶

Nel contesto di dati semanticamente arricchiti ed espressi nella forma di triple, esiste uno standard orientato ai dati che permette di navigarli e interrogarli, anche se provenienti da sorgenti diverse e distribuite sulla rete (interrogazioni federate). Lo standard è SPARQL ed è sia un linguaggio per l’interrogazione di grafi RDF simile a SQL, sia un protocollo. Quest’ultimo aspetto rende SPARQL uno standard attraverso cui è possibile trasmettere interrogazioni e aggiornamenti SPARQL a un servizio di elaborazione SPARQL che restituisce i risultati via HTTP all’applicazione cliente che li ha richiesti, abilitando così un’interazione macchina-macchina su protocollo HTTP.

Un esempio di interrogazione SPARQL è quello di seguito: essa consente di ottenere tutti gli URI dei concetti, le etichette principali in tutte le lingue, se esistenti, e i codici del vocabolario controllato sul sesso.

PREFIX skos: <http://www.w3.org/2004/02/skos/core#>

select ?concetto ?etichetta ?codice

where {

   ?concetto a skos:Concept ;

   skos:inScheme <https://w3id.org/italia/controlled-vocabulary/classifications-for-people/sex> ;

   skos:prefLabel ?etichetta ;

   skos:notation ?codice .

}

Docs Italia beta

Documenti pubblici, digitali.