Riassunto analitico
La classificazione degli articoli di ricerca in base ai loro argomenti di studio è un compito importante per migliorarne la reperibilità e facilitare l’analisi dei dati. Diversi framework e metodologie sono stati proposti in letteratura per effettuare tale attività, spesso utilizzando ontologie di riferimento come la Computer Science Ontology (CSO). Di conseguenza, sono disponibili vari dataset di metadata relativi agli articoli di ricerca; tali dataset sono generalmente molto eterogenei, sia nella struttura, sia nei termini che nell'ontologia di riferimento utilizzata per la catalogazione. Nella prima parte di questa tesi di laurea si analizzano alcuni di questi dataset discutendone i problemi relativi alla loro integrazione per la costruzione di un unico dataset integrato. Verrà prodotta una Proof of Concept per evidenziare le problematiche e le soluzioni relative all'integrazione di Dataset di Metadata per la Classificazione degli Articoli di Ricerca.
La seconda parte della tesi di laurea estende la problematica ad un ambito più complesso rispetto a quello della classificazione degli articoli di ricerca: la classificazione documenti in varie lingue, che comprendono un ricco contenuto di metadata. Tale attività si colloca nell'ambito del progetto Digital Maktaba il cui obiettivo è quello di fornire un sistema in grado di estrarre informazioni preziose da documenti in varie lingue e aiutare nel lavoro tipicamente manuale associato al processo di catalogazione; il progetto si focalizza su biblioteche specializzate negli studi religiosi, in particolare quelle incaricate di gestire documenti del patrimonio culturale multilingue e multi-alfabetico. Il progetto Digital Maktaba fa parte di un progetto di ricerca più ampio noto come ITSERR, nell'ambito delle digital humanities applicate agli studi religiosi, orientato alla digitalizzazione, elaborazione e restituzione di informazioni testuali e paratestuali da corpora costituiti da testi religiosi in lingue con alfabeti latini e non latini.
Pertanto, emerge chiaramente che gestire e integrare questo vasto corpus di metadata relativi alla classificazione dei documenti in varie lingue presenta nuove e più complesse sfide, che spaziano dal multilinguismo alla maggiore eterogeneità dei metadata e delle ontologie di riferimento.
|