5 Strategie di accesso ai contenuti
5.1 Ricerche testuali
Nel realizzare funzionalità di ricerca che impiegano criteri testuali per individuare entità descritte attraverso modelli strutturati (ricerche entity-oriented) si devono considerare due fattori che le distinguono in modo significativo dalle ricerche orientate ai documenti (Bast et al., 2012). Il primo fattore è la maggiore rilevanza della recall rispetto alla precision: è preferibile infatti includere risultati potenzialmente ‘rumorosi’ piuttosto che escluderne sistematicamente alcuni utili. L’esclusione sistematica di risultati deriva dalla capacità del sistema di considerare un insieme sufficientemente ampio di attributi testuali del modello di ciascuna entità per riuscire ad intercettarne tutte quelle caratteristiche che rientrano tra i criteri utilizzati nelle diverse possibili strategie di ricerca adottate dagli utenti. Da qui deriva la necessità di costruire un indice in cui confluiscano quei contenuti testuali che meglio descrivono la singola entità nella prospettiva dell’utente finale. Il secondo fattore è legato all’usabilità della procedura di ricerca ed alla trasparenza dei criteri impiegati per produrre i risultati. In quest’ottica alla semplicità di inserimento dei criteri deve corrispondere una linearità nella loro applicazione. La procedura di consultazione è stata progettata per consentire all’utente di valutare in autonomia l’aderenza dei risultati rispetto ai criteri utilizzati, e quindi in ultima istanza, di stimare la capacità del sistema di individuare i contenuti più rilevanti presenti nella base di conoscenza.
Per implementare i requisiti [REQ1] e [REQ4] i contenuti testuali che compongono l’indice di una risorsa vengono specificati nel modello descrittivo per ciascuna delle tre entità di base dell’archivio: opere, eventi e documenti (vedi paragrafo 2.6.2.2). Ad esempio, potendo scegliere quali attributi sono inclusi nell’indice full- text di un’opera, si può decidere se tra i toponimi utili ad individuarla siano incluse: tutte le località in cui l’opera è stata rappresentata o la sola località della prima assoluta. Contestualmente si potranno escludere le località di nascita o morte degli autori.
98
La possibilità di configurare la composizione dell’indice e di mantenere traccia della relazione col contenuto indicizzato (in base a cui viene individuata l’occorrenza e calcolata la rilevanza del risultato) risponde all’esigenza di rendere trasparente la funzionalità di ricerca.
Figura 5-1: Relazione tra criteri di ricerca, contenuti testuali e risultati
La figura 5.1 illustra le corrispondenze tra criterio testuale utilizzato per la ricerca full-text, testi inseriti nell’indice e risultati individuati (in questo caso due opere). La logica di indicizzazione e la conseguente morfologia dell’indice (vedi paragrafo 2.6.2.3) permettono di restituire all’utente assieme al risultato sia il corrispondente testo individuato, sia la semantica della loro relazione. L’esplicitazione del nesso tra testo e risultato consente una verifica immediata della congruità col criterio utilizzato e di valutarne efficacia e rilevanza rispetto agli obiettivi della ricerca.
Figura 5-2: Presentazione del risultato di una ricerca full-text
Il sistema colloca quindi il risultato all’interno del ‘contesto informativo’, riportato nella colonna “Riferimenti” (vedi figura 5.2). Il contesto presenta i criteri in base ai quali il risultato è stato selezionato e va a completare l’insieme dei relativi attributi fondamentali (vedi paragrafo 2.4). In questo modo viene offerta una rappresentazione sintetica sia delle caratteristiche corrispondenti ai criteri di ricerca che di quelle identitarie di ciascun risultato. Il sistema risponde così al requisito [REQ4] che richiede la realizzazione di una funzionalità di ricerca dell’archivio in grado di individuare le entità in base ai rispettivi contenuti testuali offrendo all’utente finale gli strumenti essenziali per valutare la pertinenza dei risultati ottenuti149.
149 Si rinvia alla descrizione del questionario di valutazione dell’efficacia del sistema presentato nel paragrafo 5.5 ed in
particolare alla discussione dei risultati relativi al quesito Q 2.2 (vedi paragrafo 5.5.1.1) volta a stabilire l’efficacia della rappresentazione dei riferimenti al ‘contesto informativo’ dei risultati delle ricerche testuali.
99
Dal punto di vista funzionale il sistema presenta una maschera per la ricerca libera testuale che consente di specificare i seguenti criteri150: una stringa di testo, l’arco temporale della ricerca e i tipi di entità che saranno
oggetto della ricerca151 (figura 5.3).
Figura 5-3: Maschera per la ricerca libera testuale
L’utente ha la possibilità di avviare la ricerca indicando come unico criterio quello testuale inserendo uno o più termini nel campo “Ricerca libera testuale”. Il sistema precompila i criteri secondari relativi al range temporale e alle tipologie di entità nel modo meno restrittivo per far sì che il criterio testuale risulti quello prevalente. L’obiettivo in questo caso è riproporre l’approccio adottato dai motori di ricerca generalisti che riducono all’essenziale la conoscenza relativa al funzionamento del sistema da parte dell’utente152 necessaria
per ottenere risultati utili.
Seguendo questa logica, il sistema considera implicitamente l’inserimento di più termini come criteri congiunti (operatore logico AND) da applicarsi all’intero contenuto testuale indicizzato per ciascuna risorsa. Ad esempio, la stringa “amena campagna” viene ricercata come co-occorrenza dei termini “amena” AND “campagna”. Resta comunque possibile specificare l’impiego dei due termini come unica stringa, racchiudendo i termini tra doppi apici: in questo caso il sistema ricerca la forma “amena campagna” (stringa ‘esatta’), ovvero considera solo le occorrenze in cui i due termini appaiono contigui e coincidenti.
Dal punto di vista funzionale è opportuno sottolineare due conseguenze derivanti dalla peculiare morfologia dell’indice testuale implementato nel sistema. La prima deriva dal fatto che la ricerca multi-termine considera tutto il testo indicizzato per una risorsa, quindi i diversi termini posso comparire in attributi diversi della scheda dell’entità, ovvero distanza tra i termini e la natura della relazione sono ininfluenti. Ad esempio, utilizzando come criterio i due termini “Zenobia” e “Palmira”, il sistema individuerà tra i risultati utili, insieme alle molte “Zenobia in Palmira”, anche Il vinto trionfante del vincitore153 includendo l’opera trai i risultati in
base alla presenza tra i personaggi di una “Zenobia” ed un “Ormonte” descritto come “governator di Palmira”. Questo esempio evidenzia come il sistema sia in grado di ignorare la relazione tra contenuto e risorsa in fase di ricerca per riportarla invece in modo esplicito in fase di presentazione dei risultati.
150 La funzione è accessibile all’indirizzo: http://coragolod1.ing.unibo.it:8080/corago/remoteSearch (verificata il
10/05/2019).
151 È opportuno ricordare che la struttura dell’indice implementato per la ricerca testuale prescinde dalla natura della
risorsa indicizzata: potenzialmente qualsiasi tipo di entità del modello concettuale può essere indicizzato in base ai propri ‘FT breadcrumbs’ (vedi paragrafo 2.6.2). Si tratta quindi di una scelta fatta in fase di impostazione dell’indice a livello concettuale rispetto alla quale, offrire all’utente la possibilità di filtrare i risultati per tipologia, è una scelta di tipo funzionale dell’applicazione di consultazione.
152 Si fa riferimento alle logiche di funzionamento di base dei principali motori di ricerca generalisti (Spink and Zimmer,
2008), così come dei cosiddetti motori semantici (Sudeepthi et al., 2012).
100
La seconda caratteristica deriva dalla presenza nell’indice degli URI di tutte le entità associate alla risorsa indicizzata. Questa presenza consente di specificare come criterio di ricerca testuale anche il riferimento ad una specifica opera. Ad esempio, se volessi ricercare una edizione in lingua spagnola della Giulietta e Romeo di Felice Romani potrei inserire il relativo URI154 e l’indicazione della lingua155.
La funzione di ricerca testuale è disegnata per produrre l’insieme più ampio possibile di risultati corrispondenti alle tipologie di risultato selezionate, lasciando all’utente la valutazione della rilevanza dei singoli risultati in funzione del relativo ‘contesto informativo’. All’utente viene quindi data la possibilità di raffinare la ricerca operando sui criteri testuali o restringendo i parametri aggiuntivi: arco temporale e tipologie di entità.
Questa apparentemente limitata capacità di controllo sul campo di applicazione dei criteri testuali, ovvero l’impossibilità di specificare su quale attributo del modello debba essere applicato il criterio156, ha come
obiettivo quello di favorire la cosiddetta serendipity157. La ‘ricerca libera testuale’ è infatti disegnata per
offrire un accesso di primo livello rivolto ad una utenza generalista o ad un profilo più esperto che voglia effettuare una ricognizione iniziale dei contenuti presenti nell’archivio. In questo senso il confronto con le funzionalità di ricerca offerte dal sistema di consultazione del sistema tradizionale può essere indicativo158.
Nel sistema tradizionale l’accesso ai contenuti è suddiviso per tipologia di entità: opere, eventi e documenti. L’utente deve quindi preventivamente scegliere per quale tipologia di entità effettuare la ricerca: per ciascuna di esse è infatti prevista una maschera che presenta campi specifici. Per quanto le tre maschere possano risultare semplici ed intuitive, all’utente è comunque richiesto di confrontarsi con l’articolazione del modello descrittivo previsto per le tre entità. La scelta della tipologia da cui avviare la consultazione e come applicare i criteri di filtro risulta inoltre vincolante rispetto al tipo di risultati ottenibili. Ad esempio, utilizzando come criterio per il titolo delle opere “Adriano in Siria” il sistema tradizionale individua 59 opere159, il sistema
Corago LOD ne rileva 91160. Tra i risultati presentati da entrambi i sistemi compare l’Adriano in Siria161 su
libretto del Metastasio ma non Mas gloria es triunfar de sí, Adriano en Syria162 che viene invece individuato
solo dal nuovo sistema in quanto opera tratta dalla prima163.
In modo coerente all’approccio utilizzato per l’indicizzazione dei contenuti testuali, anche l’applicazione del vincolo temporale avviene generalizzando le diverse relazioni che intercorrono tra periodo oggetto della ricerca e risultati. Contrariamente a quanto previsto dalle funzionalità di ricerca del sistema tradizionale (nel quale è necessario indicare espressamente la data di prima esecuzione delle opere, la data degli eventi e
154 Riferimento URI dell’opera: http://corago.unibo.it/resource/BRANI/Z000053396.
155 Nello specifico l’unica occorrenza è la Julieta y Romeo, riferimento URI del libretto:
http://corago.unibo.it/resource/DOCUMENTI/0000506791.
156 Si noti come questa tipologia di ricerca sia implementata nel nuovo sistema attraverso la funzione di ‘ricerca
avanzata’, descritta nel paragrafo 5.3.
157 Tra le diverse accezioni del termine in ambito informatico si considera qui quella che la descrive come l’occasionale
scoperta di qualcosa di utile. Per una analisi del ruolo giocato dalla serendipity nell’accesso alla conoscenza e nell’implementazione dei sistemi informativi che la gestiscono si rinvia a (Race, 2012).
158 Il sistema è accessibile all’indirizzo: http://corago.unibo.it (consultato il 11/05/2019). Riferimento DOI:
10.6092/UNIBO/CORAGO.
159 Ricerca effettuata sull’aggiornamento dell’archivio al 15 gennaio 2019. 160 Ricerca effettuata sull’aggiornamento dati dell’archivio al 4 marzo 2018.
161 Riferimento URI dell’opera: http://corago.unibo.it/resource/BRANI/0000052488. Riferimento alla scheda nel Corago
tradizionale: http://corago.unibo.it/opera/0000052488.
162 Riferimento URI dell’opera: http://corago.unibo.it/resource/BRANI/0001297340.
163 Nel caso specifico l’Adriano in Siria è stato incluso come titolo di opera collegata nell’indice della Mas gloria es triunfar
101
l’anno di pubblicazione dei documenti), il criterio di filtro temporale del nuovo sistema prevede la possibilità di operare sull’unica coordinata temporale alla quale vengono ricondotte tutte le relazioni temporali previste dal modello concettuale. Ad esempio, per le opere può essere considerato, oltre alla data di prima esecuzione, anche l’anno di composizione. È inoltre possibile estendere il perimetro di datazione di un’opera fino all’arco di vita dei rispettivi autori o edizione dei libretti che la contengono. Questo vale per tutte le risorse indicizzate e rientra tra le scelte implementative delle modalità di applicazione del criterio stesso. Nel paragrafo 2.6.2.5 è stata illustrata la modalità di utilizzo generico dell’indice testuale proposto. Per implementare la funzione di ricerca nei termini appena descritti è necessario concatenare i tre parametri previsti: i criteri testuali, l’arco temporale d’interesse e le restrizioni sulle tipologie di risultato.
Il listato 5.1 riporta un esempio semplificato di interrogazione in linguaggio SPARQL impiegata dalla funzione di ricerca. Il primo criterio viene applicato direttamente all’indice selezionando i risultati in base al costrutto riportato nel blocco 1. Il secondo opera specificando le relazioni che devono intercorrere tra i risultati e la dimensione temporale (blocco 2). Il terzo filtra i risultati in base alla relativa tipologia (blocco 3). Seguono alcuni esempi di blocchi opzionali per la configurazione dei requisiti del tipo di concatenazione logica dei
Template di query SPARQL per la ricerca libera testuale
#BLOCCO 0: selezione dei risultati
SELECT distinct ?s (<http://corago.unibo.it/sm/CPA4_ft_breadcrumb> as ?p) ?o {
#BLOCCO 1: utilizzo dell’indice full-text
?s corago:CPA5_ft_indexed_by ?text. ?text bds:search “Otello Verdi”. ?text bds:relevance ?relevance.
#BLOCCO 2: applicazione vincolo temporale
?t a <http://erlangen-crm.org/current/E49_Time_Appellation>. ?t rdf:value ?tl.
FILTER(?tl >= " + fromTime + "^^xsd:dateTime && ?tl < " + toTime + "^^xsd:dateTime). ?d ecrm:P78_is_identified_by/ecrm:P78_is_identified_by* ?t.
?s
# insieme di relazioni temporali ammesse
(corago:CP9_first_performed_in/ecrm:P4_has_time-span) | (ecrm:P4_has_time-span) | (frbroo:R16i_was_initiated_by/ecrm:P4_has_time-span) | (frbroo:CLR6_should_carry/^ecrm:P94_has_created/ecrm:P4_has_time-span) | (^ecrm:P67_refers_to) ?d.
#BLOCCO 3: restrizione su tipi di risultato
?s a ?class.
FILTER (?class IN ( [INSIEME DI TIPI RICHIESTI])
#BLOCCHI OPZIONALI
#BLOCCO 4: configurazione parametri utilizzo dell’indice full-text
?text bds:matchAllTerms "true" #il parametro specifica la concatenazione in AND dei termini #BLOCCO 5: applicazione criterio di restrizione a stringa esatta
FILTER regex(?text,"Otello Verdi","i").
#BLOCCO 6: criterio di ordinamento risultati
102
termini e dell’eventuale applicazione della corrispondenza esatta. Il blocco 6 riporta infine un esempio di criterio di ordinamento basato sull’indice di rilevanza assoluta calcolata dalla libreria Lucene (vedi paragrafo 2.6.2).
Occorre osservare come sia possibile applicare criteri di accesso che operino a diversi livelli in unico costrutto. È infatti possibile operare direttamente sulle definizioni dei contenuti sfruttando la capacità espressiva del modello concettuale, anziché basarsi sulla articolazione fisica del dato come deve necessariamente avvenire nell’interrogazione di sistemi basati su modelli relazionali. Ad esempio, la restrizione sulle tipologie di risultati è applicata indistintamente a tutti i risultati, nell’approccio relazionale richiederebbe la normalizzazione della tassonomia delle entità. Nel caso del modello dell’archivio tradizionale, in assenza di quest’ultima, il vincolo dovrebbe operare su tre tabelle distinte164. Allo stesso modo, l’insieme di attributi presi in considerazione
per l’applicazione del vincolo temporale è specificato utilizzando le rispettive definizioni. Questo rende possibile specificare in modo analitico quali date verranno considerate e quali escluse, oppure generalizzare includendo indistintamente una qualsiasi relazione di tipo temporale del risultato col periodo di interesse. Lo stesso livello di astrazione è stato raggiunto con l’introduzione del particolare indice full-text che permette di effettuare ricerche entity-based partendo da un insieme di contenuti testuali organizzati sotto forma di ‘contesto informativo’ allineato al modello concettuale sottostante. L’insieme di queste caratteristiche ha portato ad una modalità di accesso che unisce l’immediatezza degli strumenti di ricerca testuali all’analiticità dell’informazione prevista dal modello concettuale di riferimento.