Metodi per l’estrazione di conoscenza strutturata da dati ambientali

Progetto: Research project

Dettagli progetto

Layman's description

Il presente progetto intende affrontare la problematica dell’estrazione di conoscenza di alto livello a partire da dati sensoriali grezzi o solo parzialmente elaborati, al fine di estrarre da essi informazione in forma strutturata. Oggigiorno infatti gli enormi progressi nel campo delle tecnologie per il monitoraggio ambientale consentono una sempre maggiore capillarità e precisione nella rilevazione dei dati e questo rappresenta chiaramente un vantaggio nel contesto dello sviluppo di sistemi di supporto alle decisioni sempre più raffinati ed efficaci; bisogna però tener presente che misurare non necessariamente corrisponde a comprendere ed infatti, l’enorme disponibilità di informazione grezza a disposizione spesso non si traduce in un altrettanto significativo incremento di conoscenza.
Queste considerazioni di carattere teorico hanno profonde ripercussioni pratiche in svariati contesti; ad esempio esse rivestono una fondamentale importanza nel processo di pianificazione delle azioni che a sua volta costituisce un componente fondamentale dei sistemi intelligenti per il controllo ambientale, qual è quello considerato nella proposta di progetto FIRB “SensingDanger”.
In quel caso, la pianificazione era volta ad individuare le azioni necessarie alla prevenzione di incidenti nell’ambiente di lavoro, quale un cantiere edile, in cui i lavoratori sono costantemente esposti a pericoli non prevedibili causati dalla natura estremamente dinamica dell’ambiente circostante; era quindi importante che fossero identificati con prontezza i principali fattori di rischio, concentrandosi sulle misurazioni più rilevanti e trascurando invece dettagli non fondamentali. In tale scenario, l’uso di una tecnologia pervasiva come le reti di sensori wireless permette un monitoraggio dettagliato delle grandezze fisiche d’interesse; tuttavia tali reti si configurano come gli strumenti, di cui si faceva cenno nel paragrafo iniziale, che riescono a generare un’ingente mole di dati senza di per sé produrre una descrizione affidabile e ad alto livello dell’ambiente sotto osservazione. Al fine di utilizzare appieno i dispositivi di monitoraggio come terminazione sensoriali di un sistema più complesso, è necessario che invece che i dati grezzi vengano elaborati e che da essi venga estratta informazione in forma strutturata. La presente proposta riguarda appunto lo studio di metodi automatici per l’estrazione di conoscenza strutturata da dati ambientali grezzi e si intende qui porre l’accento sull’importanza di riconoscere la potenziale struttura sottostante i dati in esame mediante metodi in grado di individuare pattern che si ripetono nell’insieme dei dati, e che quindi lo caratterizzano.
Per quanto in letteratura siano già documentate proposte di metodi per l’estrazione di conoscenza, le prime di esse consistevano in una catena non automatizzata di elaborazioni basate principalmente sull’interazione con un esperto del dominio e sul suo intervento manuale. Ciò era possibile per il limitato numero di dati rilevati e per la ridotta complessità delle relazioni tra di essi esistenti, ma con la disponibilità di quantità di dati sempre maggiori, la ricerca si è indirizzata invece verso la creazione di sistemi automatici per l’estrazione di conoscenza, formalizzando il processo di trasformazione dei dati in conoscenza strutturata, mediante approcci semi-supervisionati o totalmente non supervisionati.
La ricerca in questo campo è caratterizzata da specifiche difficoltà teoriche, le cui principali sono:
• studio di nuove tecniche che rendano scalabili gli algoritmi per l’estrazione della conoscenza;
• miglioramento delle tecniche di campionamento e selezione dei dati;
• potenziamento degli algoritmi di data mining, al fine di catturare relazioni complesse e di costituirle in gerarchie;
Queste sfide acquistano particolare rilevan
StatoAttivo
Data di inizio/fine effettiva1/1/12 → …

Fingerprint

Esplora i temi di ricerca toccati da questo progetto. Queste etichette sono generate sulla base dei riconoscimenti/sovvenzioni sottostanti. Insieme formano una fingerprint unica.