Tuozzo Gabriele
Laurea Triennale
Relatore
- Professore Vittorio Scarano
Tutor
- Dottoressa Maria Angela Pellegrino
Indice
Cosa studio?
Progettazione e implementazione di un sistema per la valutazione automatica della qualità di Knowledge Graph.
Diario
| Settimana | Argomenti | Riferimenti Utili |
|---|---|---|
| 1 | Studio delle metriche di qualità per i Knowledge Graph | |
| 2 | Approfondimento delle metriche di qualità per i Knowledge Graph e su quali possono essere automatizzate. | |
| 3 | Scrittura foglio Excel con: elenco delle metriche trovate, come andarle a valutare sui dati, se può essere automatizzata la valutazione e dove è presente il parametro nei dati. | |
| 4 | Lettura di articoli per chiarire dubbi su come interrogare i Knowledge Graph per recuperare le metriche di qualità oggetto di studio. | |
| 5 | Inizio scrittura script in Python per la valutazione dei Knowledge Graph. Interrogazione REST API di Antonio Giulio e analisi dei primi metadati ottenuti. | |
| 6 | Scrittura script Python con implementazione del calcolo delle 20 metriche automatizzabili individuate | |
| 7-9 | Implementazione nell'applicazione di nuove REST API di supporto per il calcolo delle metriche. | LOV, networkx |
| 10 | Test dell'applicazione su alcuni Knowledge Graph con analisi dei risultati ottenuti. | |
| 11 | Approfondimento su funzionameno libreria Highchart per Javascript per creare interfaccia web-based di visualizzazione dei risultati dell'analisi e permettere il confronto fra Knowledge Graph. | Highchart |
| 12-13 | Inizio creazione dell'interfaccia web-based per visualizzazione in grafici della qualità dei Knowledge Graph analizzati. |
Materiale
Software
- Visual Studio Code
- Pylance (Plug-in di Microsoft per sviluppo in Python su VSCode)
- JavaScript (ES6) code snippets (Plug-in per sviluppo in JS su VSCode)
- Live server (Plug-in per VSCode per simulare un server in locale per testare interfaccia web-based)
Riferimenti
- Debattista, J., Lange, C., Auer, S., & Cortis, D. (2018). Evaluating the quality of the LOD cloud: An empirical investigation. Semantic Web, 9(6), 859-901.
- Zaveri, A., Rula, A., Maurino, A., Pietrobon, R., Lehmann, J., Auer, S., & Hitzler, P. (2013). Quality assessment methodologies for linked open data. Submitted to Semantic Web Journal, 1(1), 1-5.
- Debattista, J., Auer, S., & Lange, C. (2016, February). Luzzu--A Framework for Linked Data Quality Assessment. In 2016 IEEE Tenth International Conference on Semantic Computing (ICSC) (pp. 124-131). IEEE.
Seminari
Seminario 1
Data: 26/05/2022
Titolo: Analisi della qualità dei Knowledge Graph
Abstract: L’ampia diffusione dei Knowledge Graph degli ultimi anni ha fatto emergere la necessità di capire la qualità di questi ultimi per poter meglio comprendere qual è migliore di un altro o qual è quello che soddisfa le nostre esigenze. Sono state stabilite quindi delle metriche standard per misurarne la qualità. Questo ha mostrato che nel web dei dati la qualità dei Knowledge Graph è molto variabile a causa della loro eterogeneità, sia in termini di dimensioni che in termini di dati contenuti al loro interno. L’applicazione proposta permette di eseguire in automatico il calcolo di queste metriche standard, riducendo al minimo l’iterazione con l’utente e utilizzando come base di partenza per l’analisi i metadati associati al Knowledge Graph. Fornisce poi in output il risultato dell’analisi, che ci permette di avere una percezione immediata della loro qualità, con la possibilità di poterli confrontare fra loro per capire quale può soddisfare le nostre esigenze.
La mia tesi
Titolo: Analisi della qualità dei Knowledge Graph
Abstract:
Bibliografia
- Autori, Titolo. [Conferenza|Giornale]. Altro. Anno