Relatore: Chiar.mo Prof. Paolo Tiberio

1. UNIVERSITÀ DEGLI STUDIDI MODENA E REGGIO EMILIAFACOLTÀ DI INGEGNERIACORSO DI LAUREA IN INGEGNERIA INFORMATICA Tecniche per la classificazione automaticadel cittadino in uno scenario di eGovernmentAgostino CardellaTesi di Laurea Relatore: Chiar.mo Prof. Paolo Tiberio Controrelatore: Chiar.mo Prof. Sonia Bergamaschi Correlatore:Dott. Federica MandreoliIng. Riccardo Martoglia Anno Accademico 2003/2004

2. Ambito di ricerca Tecniche per la classificazione automatica del cittadino in uno scenario di eGovernment Obiettivo “Tecniche di Semantic Web per la gestione dell’identità digitale e l’accesso alle norme” (nell’ambito del progetto MIUR-PRIN denominato “e-gov”) Agevolare la partecipazione del cittadino all’eGovernance Servizio scelto: • Accesso ai testi normativi Personalizzazione: • Reperimento e ricostruzione delle norme valide ed applicabili al cittadino in base alla sua identità digitale

3. Obiettivi della tesi Tecniche per la classificazione automatica del cittadino in uno scenario di eGovernment Studio di un procedimento iterativo per l’eventuale richiesta di maggiori informazioni riguardanti il cittadino Ontologia Sviluppo di un primo prototipo software per la classificazione del cittadino nell’ontologia civica Definizione di un’ontologia di riferimento che include l’ontologia civica

4. Termini base Tecniche per la classificazione automatica del cittadino in uno scenario di eGovernment Semantic Web “ . . . è un’estensione dell’attuale Web in cui le informazioni sono strutturate con un senso compiuto, migliorando il lavoro tra le persone ed il computer. ” Tim Berners-Lee Direttore W3C Ontologia Uno schema gerarchicamente strutturato di termini che descrivono un certo dominio e delle relazioni esistenti fra gli stessi.

5. Termini base dell’attività di ricerca Tecniche per la classificazione automatica del cittadino in uno scenario di eGovernment Ontologia Civica Una classificazione dei cittadini basata sulle distinzioni via via introdotte dalle norme che prevedono limitazioni della loro applicabilità. Identità digitale del cittadino La totalità delle informazioni che riguardano il cittadino necessarie ad una sua classificazione all’interno di un’opportuna ontologia civica

6. Architettura multilivello del Semantic Web Tecniche per la classificazione automatica del cittadino in uno scenario di eGovernment Lo strato delle ontologie OWL

7. OWL – Web Ontology Language Tecniche per la classificazione automatica del cittadino in uno scenario di eGovernment Vantaggi di OWL • Restrizioni locali sul tipo e sul numero di valori delle proprietà • Possibilità di definire caratteristiche delle proprietà: transitiva, inversa, simmetrica, funzionale e inversa funzionale • Equivalenza tra classi, proprietà e individui • Definizione di classi complesse (mediante combinazioni booleane) Carenze di OWL • Mancanza di elementi per gestire domini concreti e intervalli di valore, eventi e processi.

8. Sottolinguaggi di OWL Tecniche per la classificazione automatica del cittadino in uno scenario di eGovernment OWL è disegnato per essere interpretato dagli elaboratori ed ha tre sottolinguaggi di crescente espressività: • Lite (gerarchie di classificazione e vincoli semplici) • DL (maggiore espressività mantenendo la completezza computazionale e la decidibilità) • Full (massima espressività senza garanzie di completezza computazionale e di decidibilità)

9. Assunzioni nel Semantic Web Tecniche per la classificazione automatica del cittadino in uno scenario di eGovernment • Non validità dell’Unique Name Assumption È possibile che URI diverse modellino in realtà lo stesso concetto Dal fatto che due individui abbiamo nomi diversi non necessariamente segue che siano individui differenti • Validità dell’Open World Assumption Ciò che non può essere provato come vero, non deve necessariamente essere ritenuto falso Mancanza d’informazione = Incompletezza = Affermazione falsa (nei DB)

10. Obiettivi della tesi Tecniche per la classificazione automatica del cittadino in uno scenario di eGovernment Ontologia Definizione di un’ontologia di riferimento che include l’ontologia civica

11. L’ontologia Tecniche per la classificazione automatica del cittadino in uno scenario di eGovernment Scelte progettuali: • Per la definizione dell’ontologia ci si è limitati all’utilizzo di tutti e soli gli elementi dell’OWL Lite. • Le classi sono state individuate estraendole dal D.P.R. n.382 dell’11 Luglio 1980 e relative modifiche • Individui appartenenti alle sole classi “foglia” della gerarchia. Questa scelta ha portato alla costruzione di una gerarchia di entità che avesse condizioni necessarie e sufficienti solo per gli ultimi nodi dell’albero

12. Costruzione di una classe Tecniche per la classificazione automatica del cittadino in uno scenario di eGovernment • Si definisce Personale Tecnico/Amministrativo un individuo che ha come CNS l’aver stipulato un contratto con l’università, che deve anche essere l’unico contratto firmato. Gli individui appartenenti a questa classe non devono tenere corsi. } <owl:onProperty rdf:resource="#ha_contratto"/> <owl:allValuesFrom rdf:resource="#Universita"/> <owl:maxCardinality>1</owl:maxCardinality> <owl:onProperty rdf:resource="#ha_corsi"/> <owl:maxCardinality>0</owl:maxCardinality>

13. Obiettivi della tesi Tecniche per la classificazione automatica del cittadino in uno scenario di eGovernment Ontologia Sviluppo di un primo prototipo software per la classificazione del cittadino nell’ontologia civica

14. Esempio di classificazione (I) Tecniche per la classificazione automatica del cittadino in uno scenario di eGovernment • Raccogliere le informazioni sull’individuo • Tradurle in sintassi Racer (conforme alle krss) • Sottoporle al ragionatore Racer che tenterà di dedurre la classe di appartenenza dell’individuo nell’ontologia precaricata Particolare attenzione deve essere posta in questo passaggio, in quanto le restrizioni sulle proprietà del tipo owl:allValuesFrom o owl:maxCardinality richiedono (per loro stessa natura) di realizzare una sorta di “Mondo Chiuso” LOCALE, aggiungendo automaticamente le chiusure alle proprietà. • Informazioni caratterizzanti il cittadino sono: • avere un titolo universitario • l’essere iscritto ad un corso di studi • tenere dei corsi o delle esercitazioni • avere un contratto con l’università • usufruire di una borsa di studio

15. Esempio di classificazione (II) Tecniche per la classificazione automatica del cittadino in uno scenario di eGovernment Cittadino Cittadino con titolo universitario Studente Cittadino senza titolo universitario Personale universitario Dottorando Studente senza laurea Studente laureato Personale Tecnico/amministrativo Personale docente Ricercatore Professore universitario 1 - “ha titolo universitario” 2 - “ha un contratto con l’università” 3 - “è l’unico contratto firmato” 1 - “ha titolo universitario” 2 - “ha un contratto con l’università” 3 - “è l’unico contratto firmato” Inseriamo le informazioni: Ontologia

16. Obiettivi della tesi Tecniche per la classificazione automatica del cittadino in uno scenario di eGovernment Studio di un procedimento iterativo per l’eventuale richiesta di maggiori informazioni riguardanti il cittadino Ontologia

17. Procedimento iterativo Tecniche per la classificazione automatica del cittadino in uno scenario di eGovernment • Risultato classificazione: Personale_docente • Classe foglia non raggiunta. Le sottoclassi disponibili sono: • |#Ricercatore| (classe foglia): • L'individuo deve avere valori per la proprietà |#ha_esercitazioni| • Almeno uno degli eventuali valori della proprietà |#ha_contratto| deve appartenere alla classe |#Universita| • Tutti gli eventuali valori della proprietà |#usufruisce| devono appartenere alla classe |#Borsa_di_studio_attivita_post_dottorato| • 3 CNS su 8 condizioni caratterizzanti la classe. • |#Prof_universitario| (classe foglia): • Deve avere per lo meno "1" valore per la proprietà |#ha_corsi| • Almeno uno degli eventuali valori della proprietà |#ha_contratto| deve appartenere alla classe |#Universita| • 2 CNS su 5 condizioni caratterizzanti la classe. Cittadino • Se la classe risultante non è un nodo terminale della gerarchia (ad esempio “Personale Docente”), il software chiama nuovamente RACER, che restituisce, per ogni sottoclasse, le CNS per l’appartenenza alle stesse. Personale universitario Personale docente Ricercatore Professore universitario Risultato classificazione: Personale_docente Classe foglia non raggiunta. Le sottoclassi disponibili sono:

18. Conclusioni Tecniche per la classificazione automatica del cittadino in uno scenario di eGovernment È stato realizzato un primo prototipo software in grado di interfacciarsi con il ragionatore Racer e di classificare il cittadino nell’ontologia di riferimento in base ad informazioni lette da appositi file.

19. Sviluppi futuri Tecniche per la classificazione automatica del cittadino in uno scenario di eGovernment • Reperire le informazioni sul cittadino tramite servizi standard di accesso alle basi di dati on-line della Pubblica Amministrazione. • Tradurre automaticamente le stesse in sintassi Racer, operando le necessarie chiusure delle proprietà utilizzate. • Inserire la gestione dell’elemento “Categoria del Cittadino” estendendo lo strumento “Temporal XML Query Processor”, sviluppato dall’Unità di Modena all’interno del progetto Nazionale MIUR 2001 “La Dinamica delle Norme nel Tempo: aspetti Giuridici ed Informatici”.

20. Tecniche per la classificazione automaticadel cittadino in uno scenario di eGovernment Tecniche per la classificazione automatica del cittadino in uno scenario di eGovernment Grazie per l’attenzione Agostino Cardella