Capitale intellettuale e amministrazioni pubbliche - Cultura in Cifre

CAPITALE INTELLETTUALE E AMMINISTRAZIONI PUBBLICHE84rapidamente crescendo e si sta manifestando in diversi modi, stimolatodall'esplosione della disponibilità di testo elettronico on-line che ha fattodiventare cruciale la possibilità di estrarre da esso dati, informazioni econoscenza rilevante per scopi di business. Emerge, più in generale, daun lato, la necessità di strumenti in grado di interrogare i documenti sullabase della semantica dei contenuti, in modo da catturare i concetti rilevantiche riguardano fatti di business descritti all'interno del testo elettronico;dall'altro lato, di trattare le differenze di lingua esistenti tra i diversipaesi (per esempio per la produzione contemporanea di report in linguediverse), la quale fa crescere l'interesse verso le traduzioni automatiche.Per soddisfare le necessità degli utenti occorrono algoritmiche potenti,in grado di riconoscere concetti all'interno del testo elettronico e tali dapermettere di superare il collo di bottiglia che limita la gestione dellaconoscenza contenuta nei documenti elettronici. Infatti, trattare il linguaggionaturale per via automatica, ai fini della sua comprensione, èun'attività estremamente complessa che include una varietà di sottoattivitàfinalizzate alla trasformazione di un documento testuale in unastruttura trattabile per via automatica.Il primo passo di ogni task di natural language processing è l'analisisintattica che riguarda la determinazione della struttura grammaticaledi una frase. Per fare questo esistono algoritmi in grado di operare ilpart-of-speech tagging (POS-tagging) attraverso il quale è possibiledefinire normalmente il ruolo giocato, in una frase, da un termine(nome, aggettivo, verbo, avverbio, eccetera). L'analisi sintattica soffredell'ambiguità del linguaggio naturale e della dipendenza del contestoche genera una complessità combinatoria nel riconoscimento dellestrutture sintattiche. Gli algoritmi più avanzati sono in grado di annotarecorrettamente il 95% di termini presenti in un testo.Il secondo passo è l'analisi semantica nella quale è effettuata la disambiguazionedel senso di un termine e il parsing della semantica. Ladisambiguazione riguarda la scelta di uno dei possibili significati che untermine può avere all'interno di una frase usando delle euristiche; il parsingdella semantica consiste nell'identificazione di porzioni di frasiaventi un preciso significato mappato in apposite strutture formali checonsentono l'interrogazione del testo usando linguaggi ad hoc.Le tecniche di natural language processing sono, inoltre, alla basedella machine-translation, che consiste nella applicazione di algoritmibasati su euristiche per la traduzione automatica da una lingua adun'altra. Il problema della traduzione è legato alla capacità di disambiguarei significati dei termini e risolvere la dipendenza dal contesto.