Sem
antic
Framework
MOMA S.p.A.
Via Aldo Moro 1/P - 84081 Baronissi (SA) - Italy Telefono (+39) 089 954135 Fax (+39) 089 951475
Via Paolo Buzzi, 76 - 00143 Roma - Italy Telefono – Fax (+39) 06 5017820
http://www.momanet.it/
I NOSTRI PARTNER
Progetto ARISTOTELE_257886 finanziato con fondi UE FP7
Le Tecnologie Semantiche sono strumenti e tecniche di elaborazione che permettono lo
sviluppo di applicazioni e servizi basati sul significato delle informazioni piuttosto che sulle
semplici parole.
Queste tecnologie sono alla base di una nuova versione del web (Web 3.0) che rispetto
alla precedente (Web 2.0) sposta il fulcro della condivisione dati, da sistemi basati
sull’informazione a sistemi basati sulla conoscenza.
IL CONTESTO
La velocità di crescita in volume, varietà e complessità delle
informazioni e l’insorgere di nuovi scenari rende l’Information
Management infinitamente più difficile di quanto non lo sia stato in
passato.
Ciò richiede la capacità di condividere e riutilizzare informazioni
per la loro fruizione in molteplici contesti e scenari. Le
tecnologie semantiche estraggono il significato dai dati per
renderli maggiormente comprensibili all’uomo e alle macchine,
automatizzando e velocizzando i processi decisionali.
Queste tecnologie stanno raccogliendo un crescente interesse per
la rinnovata necessità di monetizzare le informazioni in quanto
asset strategico per le organizzazioni.
Gartner Press release Stanford march 6, 2013
Progetto ARISTOTELE_257886 finanziato con fondi UE FP7
MOMA: Passione per la ricerca
LA NOSTRA STORIA
Azienda italiana, da più di 15 anni sul
mercato, che investe oltre il 30% delle risorse
in attività di ricerca industriale, in particolare
nell’ambito delle tecnologie del Knowledge
Management
Completo know-how e capacità di intervento sulle soluzioni
Forti investimenti in R&S
Offerta modulare e flessibile
Sviluppo di soluzioni personalizzate
Prezzi altamente competitivi
Anticipazione trend evolutivi
Tempi rapidi di aggiornamento prodotti
Nasce come spin-off di un Centro di Ricerca dell’Università di Salerno con la mission di portare sul mercato i risultati della ricerca nell’ambito delle Learning & Knowledge Technologies.
Si concentra su attività di Ricerca Applicata e Sviluppo di Soluzioni Software «intelligenti» per il mondo Educational ed in particolare in ambito TEL (Technology Enhanced Learning).
Afferma la propria identità di azienda italiana ICT, valorizzando competenze ed expertise nell’ambito delle Semantic Technologies e del Future Internet.
Caratterizza il Brand sul mercato Enterprise come fornitore ditecnologie, servizi e soluzioni basati sulla Semantica ad organizzazioni pubbliche e private.
Progetto ARISTOTELE_257886 finanziato con fondi UE FP7 Progetto ARISTOTELE_257886 finanziato con fondi UE FP7
GLI INVESTIMENTI
Il 62% dei professionisti riportano una rilevante
perdita di tempo per trovare l’informazione
desiderata in un oceano di informazioni irrilevanti.
2.3 ore al giorno è il tempo medio giornaliero speso dai
lavoratori per la ricerca di informazioni, con il 10% di essi che indica un tempo
superiore alle 4 ore al giorno.
E’ stata stimata una perdita di circa 2.5 miliardi di dollari
all’anno, relativo a 1000 aziende, a causa del tempo lavorativo perso a cercare le
informazioni desiderate.
2.5B$2.3hr62%
0
Le aree di mercato in cui gli investimenti saranno concentrati per i prossimi anni sono:
Knowledge-Intensive Functions (ad es. CRM e Enterprise Management)
Collaborative Corporate Functions (Comunicazione).
800
700
600
500
400
300
200
100
mili
oni d
i eur
oData & Application Integration
Repositories and Publishing
Communication
Customer Relationship Management
Enterprise Management
Product Lyfecycle Management
Supply Chain Management
F2010 F2011 F2012 F2013 F2014
Mercato Potenziale Europeo per le SME (Semantic Technologies for the Enterprise) D3.2 Final Demand Driven Mapping Report FP7
2008 LexisNexis® Workplace Productivity Survey
2010 2011 2012 2013 2014
Customer Relationship Management 130.4 1801.1 267.5 299.1 335.8
Enterpirse Management 58.4 77.2 113.8 122.6 132.1
Communication 35.6 49.0 73.2 77.7 82.5
Product Lifecycle Management 23.7 32.3 44.5 46.5 48.5
Data & Application Integration 20.8 27.2 36.1 37.2 38.3
Repositories and Publishing 18.8 24.8 35.4 37.3 39.2
Supply Chain Management 13.0 17.7 23.4 24.6 25.8
Process Integration 5.7 8.1 13.0 15.7 18.9
TOTAL 306.3 416.6 607.1 660.5 721.1
In crescita anche le altre aree che esprimono un potenziale in un mercato in fase di sviluppo e non ancora presidiato.
I COSTI DELLA RICERCA DI INFORMAZIONI
RICERCA
GESTIRE IL PATRIMONIO INFORMATIVO
in modo più efficace ed efficiente
Rendere le informazioni facilmente ricercabili
(ad es. in linguaggio naturale) è un fattore chiave
nella gestione di un patrimonio informativo.
L’approccio classico di ricerca basato su
keyword si è rivelato spesso inefficace, in
quanto considera i termini di ricerca in modo
indipendente dal loro significato e da eventuali
connessioni con altri termini correlati.
CLASSIFICAZIONE
Classificare le informazioni vuol dire agevolare e
velocizzare l’accesso da parte dell’utente finale.
Disporre di un bacino informativo disorganizzato
comporta una enorme perdita di tempo
nell’accesso alle informazioni desiderate e la
possibilità che alcune informazioni vadano perse.
Progetto ARISTOTELE_257886 finanziato con fondi UE FP7 Progetto ARISTOTELE_257886 finanziato con fondi UE FP7
Connettori
SEMANTIC LAYER
Knowledge Extraction
Classificazione
Ricerca
API
Sem
antic
Framework
Verticalizzazioni(tool, app, etc.)
Ricerca,Classificazione
Estensione di sistemi esistenti
DOCUMENTI
OfficePDF
Pagine web...
SISTEMI ESISTENTI MAIL SOCIAL
NETWORKDATABASE
RelazionaleXML
Triple Store...
Share Point File Net
Documentum...
SORGENTI INFORMATIVE
IL KNOwLEDGE MANAGEMENT
Il MOMA SEMANTIC FRAMEwORK, soluzione sviluppata a partire dal progetto ARISTOTELE cofinanziato dalla Commissione Europea (FP7), offre funzionalità avanzate per la classificazione e la ricerca basate sul significato delle informazioni, siano esse strutturate o non strutturate.In contrapposizione ad un approccio monolitico, la concezione modulare e flessibile di MSF consente l'implementazione di soluzioni personalizzate per il singolo cliente, scegliendo gli strumenti più adatti ad ogni problema e ad ogni esigenza specifica.
Su MISuRA PER LE TuE ESIGENZE
MSF può essere visto come una “cassetta degli attrezzi” tramite la quale implementare soluzioni verticali stand-alone o estensioni di sistemi già esistenti.
MSF ha la capacità di processare una varietà di sorgenti informative eterogenee alle quali accede attraverso l’uso di connettori. E’ possibile implementare nuovi connettori per accedere a sorgenti informative non ancora considerate.
Attraverso le tecniche di Knowledge Extraction si analizzano i contenuti delle sorgenti informative per estrarre conoscenza (in termini di concetti e relazioni tra di essi). Tale conoscenza costituirà la base per l’implementazione delle funzionalità di classificazione e ricerca. Ogni caso d’uso ha le sue specificità in termini di qualità dei dati e di dominio considerato, per questo motivo attraverso MSF è possibile scegliere le metodologie e le tecniche più efficaci a seconda del contesto (concettualizzazione, NLP, text mining, machine learning, etc.).
MSF espone le proprie funzionalità all’esterno attraverso un insieme di API invocabili in modo indipendete dallo specifico sistema operativo o linguaggio di programmazione.
MSF prevede due differenti modalità per la classificazione delle informazioni:Supervisionata: esiste una base di conoscenza nell’organizzazione (es. tassonomia di riferimento) da utilizzare per classificare le informazioni Non supervisionata: i termini di classificazione non sono noti a priori e sono costruiti direttamente dall’analisi delle informazioni.
MSF utilizza il significato delle informazioni per migliorare la qualità della ricerca ed offrire nuovi paradigmi:
Ricerca in linguaggio naturale: effettuare le ricerche dichiarando le proprie esigenze in modo semplice e intuitivo Faceted browsing: navigare le informazioni specificando filtri incrementali su aspetti caratteristici Ricerca per similarità: cercare informazioni simili ad un dato input.
Progetto ARISTOTELE_257886 finanziato con fondi UE FP7