Origini, motivazioni e regole di evoluzione del World Wide Web

Oreste Signore, <oreste@w3.org>
Responsabile Ufficio Italiano W3C
Area della Ricerca CNR - via Moruzzi, 1 - 56124 Pisa

Storia dell' Informatica
Università di Pisa
4 maggio 2009

Presentazione: http://www.w3c.it/talks/2009/storiaWeb/slides.html

Ringraziamenti

• Questa presentazione utilizza anche materiale proveniente da:
  • presentazioni tenute da Ivan Herman, W3C Semantic Web Activity Lead
  • presentazioni e articoli scritti da F. R. A. (Bob) Hopgood, Visiting Professor, School of Technology, Oxford Brookes University
  • pagine Web (Wikipedia e altre)
• Il materiale di questa presentazione può essere riutilizzato nel rispetto delle leggi sul copyright e delle regole del W3C

Il World Wide Web

Non più:

L'ho sentito in televisione

ma:

L'ho trovato sul Web
Lo cerco sul Web

o ancora:

Lo metto sul Web

e in futuro:

…

L’invenzione del web

• Non un Eureka
• non la mitica mela di Newton
• la potenza di combinare le idee in modo libero ("weblike") ...
• risposta a una sfida
• combinazione di idee e realizzazioni da parte anche di molti altri
• finalmente un' idea nuova, stimolata da un ambiente di ricerca di altissimo livello: combinare in modo libero le idee

Un processo di accrescimento, non la soluzione lineare di una serie di problemi ben definiti.

Le radici del Web

Internet

Tutto comincia guardando alla luna…

…e con la gara per lo spazio

ARPANET…

• 4 ottobre 1957: lancio dello Sputnik
• 7 febbraio 1958: il dipartimento della difesa USA avvia il progetto ARPA (Advanced Research Project Agency per: “ provide within the Department of Defense an agency for the direction and performance of certain advanced research and development projects ”
• 1962: J.C.R. Licklider capo di ARPA per migliorare l' uso militare della computer technology
• 1969: il primo collegamento: UCLA-Stanford
• 1970: le prime LAN (ethernet a Xerox PARC)
• 1972: prima dimostrazione pubblica di ARPANET: la prima rete operativa basata sulla tecnologia della commutazione di pacchetto (packet switching) invece che sulla commutazione di circuito.

… nel 1969…

1. UCLA: Network Measurement Center
2. SRI: Network Information Center
3. UCSB: Culler-Fried interactive mathematics
4. Utah: 3D graphics

…nel 1971…

…Ray Tomlinson: la magica @…

…verso TCP/IP…

• 1973: Kahn e Cerf
  • iniziano a lavorare su modelli aperti per l'interconnessione per progettare la generazione successiva dei protocolli per ARPANET
  • le differenze di protocollo vengono mascherate usando un internetwork protocol comune
  • responsabilità dell'affidabilità della trasmissione dei messaggi demandata agli host
  • ruolo della rete ridotto al minimo (vedi IETF RFC 1149 del 1990-04-01: A Standard for the Transmission of IP Datagrams on Avian Carriers) [local file rfc1149]
• Dicembre 1974: prima specifica di TCP (Transfer Control Protocol) per internetworking

…e Internet

• luglio 1977: dimostrazione a grande scala di internetworking mediante ARPANET
• ISO/OSI (Open System Interconnection)
• Internet al CERN
  • CERNET: protocolli definiti su base locale
  • 1981-83: IP per comunicazione via satellite (RAL, CERN e Pisa)
  • 1983: Ethernet al CERN
  • 1984: implementazione pilota di TCP/IP
  • 1989: CERN connesso a Internet
  • 1990: CERN più grosso sito Internet in Europa

Nel 1989 Tim Berners-Lee può creare il World Wide Web basato su distributed computing e Internet.

SGML (breve storia del markup)

Il text retrieval

In principio fu lo scriptorium…

stat rosa pristina nomine, nomina nuda tenemus

…e i manoscritti

Bibbia, in latino. Manoscritto in pergamena della prima metà del sec. XIII.
(http://www.regione.sicilia.it/beniculturali/bibliotecacentrale/tesori/immagini/t14a.jpg e http://www.regione.sicilia.it/beniculturali/bibliotecacentrale/tesori/immagini/t15b.jpg)

Poi venne Gutenberg…

(http://upload.wikimedia.org/wikipedia/commons/b/b0/Gutenberg_Bible.jpg)

… e nacque il markup

• Il temine deriva dalla pratica dell' editoria tradizionale
• Il marking up dei manoscritti consiste nell' aggiungere istruzioni simboliche a margine dei manoscritti
• A cura di personale specializzato e correttori di bozze
  

	Paragrafo		Diminuire lo spazio orizzontale		Inserire il testo a margine
	In maiuscolo		Spostare a sinistra		Spostare a destra

Poi venne la tecnologia

• La macchina da scrivere IBM (la Golfball Typewriter con la "pallina", peraltro preceduta dalla Blickensderfer) con la qualità di stampa
• I sistemi in timesharing (editing e markup interattivo) [il terminale IBM2741]
• E nacquero vari sistemi di markup (proprietari)
• Il markup era mescolato al contenuto

Nasce il "generic coding"

• William Tunnicliffe della Graphic Communications Association (GCA)
  • compagnia privata
  • edizione delle pagine gialle
  • impaginazione ex novo ogni anno
  • presentazione dal titolo: "The Separation of Information Content of Documents from their Format" ad un meeting del Canadian Government Printing Office nel settembre 1967
• GCA inizia il progetto GenCode
  • markup generalizzato basato sulla struttura gerarchica del documento
  • tentativo di standardizzazione di un insieme di elementi comuni

GML

• Charles Goldfarb, Edward Mosher e Raymon Lorie in IBM iniziano lo sviluppo di Generalized Markup Language (GML)
• Possibilità di definire il proprio markup
• Possibilità di validare il documento rispetto ad una Document Type Definition
• Per la prima volta tagging gerarchico con apertura e chiusura
• Quali tag sono ammessi e dove
• I tag possono essere omessi se la loro posizione è ovvia

GML: un esempio

:book.
:body.
:h1.Introduzione
:p.Il GML supportava contenitori gerarchici, come
:ol.
:li.Liste ordinate (come questa),
:li.Liste non ordinate, e
:li.Liste di definizione
:eol.
:p.e strutture semplici
:p.È stato possibile omettere i tag di chiusura 
   per gli elementi "h1" e "p", grazie al principio di minimalizzazione.

SGML

• Vedi Storia
• 1978: ANSI inizia il lavoro su uno standard per la descrizione di testi basata su GML (con il supporto di GCA)
• Tunnicliffe convince la US Navy a standardizzarsi sull' initial SGML Draft
• 1983: Working Draft accettato da DoD e IRS (US Internal Revenue Service)
• 1984: Passaggio all' ISO
• 1985: Draft International Standard (DIS)
• Anders Berglund al CERN implementa il DIS e usa SGML per il testo dell' IS
• 1986: SGML (ISO 8879)
  • SGML declaration: definisce i delimitatori per il markup
  • Document Type Definition: struttura e regole per il markup del documento
  • Documento: fa riferimento ai due precedenti, input manuale, tagging non strettamente vincolante, parser più complesso

SGML al CERN

<BODY>
<H1>Introduction
This manual describes how to build a distributed system using the
Remote Procedure Call system developed in the Online Group
of the DD Division of CERN, the European Particle Physics Laboratory.
<h2> The system
The remote procedure call product consists of two essential parts:
an RPC compiler which is used during development of an application,
and the RPC run time system, which is part of the run time code.
Target systems supported are
<ul>
<li>VAX/VMS,
<li>Unix (Berkley 4.3 or Ultrix or equivalent)
<li>stand-alone M680x0 (MoniCa) systems (Valet-Plus, etc)
<li>stand-alone M6809 systems
<li>M680x0 systems running RMS68K
<li>M680x0 systems running OS9
<li>The IBM-PC running TurboPascal or Turbo-C
<li>The Macintosh running TurboPascal or MPW
</ul>

Tipi di markup

James H. Coombs, Allen H. Renear, Steven J. DeRose: Markup Systems and the Future of Scholarly Text Processing (Communications of the ACM 30, November 1987; 933-47)

• Punctuational
  • molte differenze stilistiche, ambiguo per il text formatting
• Presentational
  • spaziatura orizzontale e verticale, interruzioni di pagina, numerazione dei paragrafi
  • in genere affidata al text formatter per le parti ripetitive, ma integrata da modifiche "locali"
• Procedural
  • comandi che specificano come formattare il testo, es. .sk 3 a; .in +10 -10; .ls 0; .cp 2;
  • tipicamente associato ad un formattatore batch (nroff/troff, TeX)
  • in molti sistemi coesistono comandi di editing "presentational" e "dot commands"
• Descriptive
  • gli autori identificano il tipo di porzioni di testo
  • per preparare la versione per la presentazione il text formatter legge un insieme di regole scritte in un sistema di "procedural markup"
  • presentazioni diverse si ottengono modificando le regole
  • la metafora dello style sheet orienta gli autori verso la presentazione piuttosto che verso il ruolo delle entità nel documento
• Referential
  • fa riferimento a entità esterne al documento
  • viene sostituito da queste entità nella fase di processing
• Metamarkup
  • controllo dell' interpretazione del markup
  • estensione del vocabolario del markup descrittivo

Hypertext

Vannevar Bush

Il Memex

A memex is a device in which an individual stores his books, records and communications and which is mechanized so that it may be consulted with exceeding speed and flexibility. It is an enlarged intimate supplement to his memory.

The memex "affords an immediate step, however, to associative indexing, the basic idea of which is a provision whereby any item may be caused at will to select immediately and automatically another. This is the essential feature of the memex. The process of tying two items together is the important thing."

(Una riproduzione dell' articolo a: http://www.multimedialab.be/doc/citations/bush_aswemaythink.pdf o copia locale a: bush_aswemaythink)

Douglas (Doug) Englebart

Ted Nelson e la definizione di ipertesto (1965)

A body of written or pictorial material interconnected in a complex way that it could not be conveniently represented on paper. It may contain summaries or maps of its contents and their interrelations; it may contain annotations, additions and footnotes from scholars who have examined it.

Progetto Xanadu (1965-1999):

• Pay-per-link
• Bi-directional links
• Universo dei documenti
• Progetto durato oltre 32 anni

Talvolta i risultati migliori si ottengono ridimensionando gli obiettivi

Tim e Ted si incontrano nel 1992, e Tim salda il debito per la copia di Literary Machines (pubblicato nel 1981)

Tim Berners-Lee

Brevi note biografiche

Il tarlo del meccanismo associativo

Una volta discusse con il padre come rendere intuitivo il computer, e metterlo in grado di realizzare le associazioni tipiche della mente umana

Nel 1980, durante il primo soggiorno al CERN, matura il concetto:
Suppose all the information stored on computers everywhere were linked. Suppose I could program my computer to create a space in which anything could be linked to anything.

Qui puoi trovare tutto ...

La sfida dei gruppi di lavoro al CERN

• Grossi gruppi distribuiti
• Progettazione e realizzazione di apparecchiature complesse
• Progetti di lunga durata
• Analisi distribuita dei risultati
• Le difficoltà negli anni 80
  • Varietà di computer e di sistemi di rete
  • Accesso in modo diverso ai vari tipi di informazione
  • Grossi investimenti in termini di energie umane
  • Frustrazione e inefficienza
• Una sfida per Tim Berners-Lee: come consentire l' accesso alle varie fonti di informazione in maniera semplice e coerente

Il primo periodo al CERN (1980)

Programmatore a contratto

• Difficoltà nel mantenere traccia delle persone, dei programmi, dei vari sistemi
• Scrive, nel tempo libero, un programma per uso personale: "Enquire-Within-Upon-Everything"
• Nodi e link
• Per creare un nuovo nodo occorre creare un link che parte da un nodo già esistente
• Tutti i nodi possono essere collegati da link
• Occorre specificare il tipo di link
• Ogni nodo ha un titolo, un tipo, e una lista di link tipati bidirezionali
• "ENQUIRE" era scritto in Pascal e girava su una Norsk Data con sistema operativo SINTRAN-III
• Non usato su vasta scala
• Versione originale andata perduta

Il secondo periodo al CERN (1984-89)

• Scrive Tangle
• Scrive una procedura RPC
• Cerca di ricreare Enquire sul suo portatile (solo link interni)
• 1989: scrive la proposta…

Vague but exciting

• Marzo 1989: Information Management: A Proposal
• Il suo capo, Mike Sendall, la giudica: “Vague, but exciting”, e la proposta non riceve risposta
• Maggio 1990: ripresenta la proposta, di nuovo senza successo
• Compare sul mercato la NEXT, con caratteristiche interessanti per sviluppare il progetto
• TBL chiede a Mike Sendall di acquistargliene una e…
• Mike Sendall acconsente, e gli propone di utilizzarla per sviluppare il suo progetto

Nasce il Web…

…e HTML

• Nel 1989 Tim Berners-Lee propone la condivisione di documenti
• Anders Berglund consiglia di adottare lo standard SGML
• Viene definita una semplice DTD SGML, basata sulla prima DTD pubblica, scritta da Charles Goldfarb, sviluppandone una versione ipertestuale chiamata HTML
• HTML nasce in tempi brevissimi

L’approccio

Dalla fisica:
Trovate le regole semplici che descrivono il comportamento di oggetti semplici e piccoli ...
... si ha la chiave per spiegare il comportamento di sistemi molto complessi e grandi

Definire le poche e semplici regole comuni dei protocolli che permettono ai computer di parlarsi tra di loro.

Tre concetti essenziali

URI

Universal Resource Identifier: cosa significa come indirizzo.
È l' innovazione più fondamentale del Web.
Qualunque programma Web lo utilizza quando segue un link.
Una volta che un documento ha un URI, può essere memorizzato su un server e ritrovato da un browser.
Non esiste un archivio centralizzato di URI.

HTTP

Hypertext Transfer Protocol: la sequenza con cui i computer interagiscono e si scambiano informazioni.
La format negotiation permette la coesistenza di tutti i tipi di formato.

HTML

Hypertext Markup Language: se due computer usano lo stesso software per rappresentare i dati, possono scambiarli in modo nativo, altrimenti, li possono tradurre in HTML.
HTML descrive la struttura, non la presentazione.

Tutto qui?

• Quando qualcuno, da qualche parte, rende disponibile un' informazione, questa deve essere accessibile da chiunque, con qualsiasi computer, in qualsiasi paese (a meno di problemi di autorizzazione)
• L' ipertesto globale era una prospettiva del tutto nuova: accesso mediante navigazione
• La possibilità di puntare a qualsiasi risorsa permette di implementare il meccanismo associativo
• Il Web è uno spazio informativo universale, in cui ognuno può accedere all' informazione e modificarla (browser/editor)

Quello che fa la differenza…

• Ambiente totalmente decentralizzato
• Interoperabilità
• Non autorità, ma autorevolezza

Qualche curiosità

Come nasce il nome World Wide Web

Mesh o Information Mesh

troppo simile a mess

Mine of Information (MOI)

troppo egocentrico

The Information Mine (TIM)

anche più egocentrico!!

World Wide Web

nonostante molti pareri contrari

URI/URL

• Universal Resource Identifier
• Nel meeting IETF (1992) vengono sollevate opposizioni al termine Universal
• Pragmaticamente, accetta Uniform invece di Universal, e quindi nasce: Uniform Resource Locator (URL)

Il rapporto con l’ accademia: Hypertext91

• Il lavoro viene rifiutato
• Almeno uno dei revisori afferma che: il sistema proposto viola i principi architetturali su cui si basano tutti i sistemi ipertestuali
• Riesce a ottenere la possibilità di dare una dimostrazione
• Non tutti comprendono il fattore di scala

Tim e il successo economico

People have sometimes asked me whether I am upset that I have not made a lot of money from the Web. In fact, I made some conscious decisions about which way to take my life. These I would not change - though I am making no comment on what I might do in the future. What does distress me, though, is how important a question it seems to be to some. This happens mostly in America, not Europe. What is maddening is the terrible notion that a person's value depends on how important and financially successful they are, and that is measured in terms of money. That suggests disrespects for the researchers across the globe developing ideas for the next leaps in science and technology.
Core in my upbringing was a value system that put monetary gain well in its place, behind things like doing what I really want to do. To use net worth as a criterion by which judge people is to set out our children's sights on cash rather than on things that will actually make them happy.

It can be occasionally frustrating to think about things my family could have done with a lot of money. But in general I'm fairly happy to let other people be in the Royal Family role (as it were), as long as they don't abuse the power they have as a result. It's not as if I can just make decisions that change the Web ... but I can try to get an entire industry to do it. My priority is to see the Web develop in a way that will hold us in good stead for a long time. If someone tries to monopolize the Web - by, for example, pushing a proprietary variation of network protocols - they're in for fight.

[da Weaving the Web, p. 107-108]

Il W3C

L' evoluzione del Web

---

(Storia)

World Wide Web Consortium (W3C)

“To lead the World Wide Web to its full potential by developing protocols and guidelines that ensure long-term growth for the Web”

• Fondato da Tim Berners-Lee nel 1994
• Definisce Recommendation aperte (Web Standards)
  • ad oggi, più di 110…
• Svolge attività di formazione, sviluppa linee guida…
• È un forum neutrale per creare consenso sugli standard web
• Gli standard proposti non derivano da posizioni dominanti sul mercato

Alcuni principi guida del W3C

• Le tecnologie Web dovrebbero essere interoperabili
  • il Web è basato su un ampio spettro di tecnologie
  • nessuna tecnologia può pretendere di coprire tutte le esigenze del Web
  • quindi l' interoperabilità delle tecnologie è assolutamente necessaria
• Gli Standard Web dovrebbero essere degli "open standard", quindi non-proprietari
• Il Web deve essere accessibile a tutti

Il W3C è internazionale

• World Wide Web Consortium
  • 3 host (MIT, ERCIM, Keio)
  • 16 offices
• I membri W3C
  • sono la forza del W3C
  • sviluppano le Recommendation
  • guidano l' evoluzione del Web (Pieghevole)

I membri italiani

1. Asemantics s.r.l.
2. Università di Bologna
3. CINECA
4. CNR - Consiglio Nazionale delle Ricerche
5. CSI-Piemonte
6. CSP Innovazione nelle ICT s.c.a r.l.
7. Dipartimento di Informatica e Telecomunicazioni - Università di Trento
8. Dipartimento di Informatica-Università degli Studi di Pisa
9. Fondazione Bruno Kessler
10. Libera Università di Bolzano (Freie Universität Bozen)
11. Istituto per la Ricerca, la Formazione e la Riabilitazione - Onlus (I.Ri.Fo.R.)
12. Loquendo, S.p.A.
13. Presidenza del Consiglio dei Ministri
14. Prometheo Srl
15. SOGEI (Società Generale d' Informatica)
16. Telecom Italia S.p.A.
17. …

W3C: gli obiettivi a lungo termine

• Web for Everyone
  • indipendentemente da hardware, software, infrastruttura di rete, lingua madre, cultura, posizione geografica, capacità fisiche o mentali, …
• Web on Everything
  • non solo PC, ma anche Cellulari, PDA, Televisione,…
• Knowledge Base, Advanced data searching and sharing
  • informazione utilizzabile da esseri umani e anche macchine
• Trust and Confidence
  • tecnologie per un ambiente collaborativo
  • un Web con identificazione delle responsabilità, sicurezza, fiducia, riservatezza

Lo stack delle tecnologie W3C

L' attività dei Working Group

Nascita di una Recommendation

Qualche riferimento

• Il sito W3C
• Overview
• Future
• W3C Activities
• Incubator Activity

Il Web e le sue tecnologie: da HTML a XML

HTML: le caratteristiche

• Markup generalizzato e sostanzialmente descrittivo
• Adotta la convenzione delle parentesi angolari < e >
• I documenti possono essere preparati con un qualunque editor di testo
• Offre un insieme definito e fisso di elementi
• Definizione rigorosa dopo alcuni anni
• Moltissime pagine sono diventate non valide
• L' adozione di un markup descrittivo (flessibilità, estensibilità) è stato uno dei fattori di successo del Web (De Rose)

I limiti di HTML

• HTML ottimizzato per facilità di apprendimento
  • Un solo tag set for tutte le applicazioni
  • Semantica predefinita per ogni tag
  • Strutture dati predefinite
  • Assenza di validazione formale
  • Supporto inadeguato per strutture a più livelli
• HTML costituisce un compromesso tra potenza e semplicità d' uso
• HTML molto adatto per applicazioni semplici
• Poco adatto per applicazioni dai requisiti più complessi:
  • Raccolte di dati complesse o di ragguardevoli dimensioni
  • Dati con strutturazione ricca, da utilizzare in vari modi, con ciclo di vita lungo

Perché XML?

Comparsa di nuove applicazioni Web "Data centric"

• Semantica dei tag più sofisticata e adatta per utenti specialistici (ma XML ha semantica?)
• Gestione delle transazioni sul Web
• Scambio di database
• Viste diverse degli stessi dati
• Personalizzazione dell' informazione mediante agenti
• Gestione di collezioni di documenti
• Editoria internazionale indipendente da piattaforma, linguaggio e media

XML in breve

• EXtensible Markup Language
• Definito nel 1998 dal W3C
• Tecnologia chiave del Web

<root>
  <first>
    <Subelement attr="xyz" attr2="qwr"/>
  </first>
  <second>
    <AnotherSubelement>
      ABC<Something attr="plk"/>
    </AnotherSubelement>
  </second>
  <third/>
</root>

XHTML

• Ridefinizione di HTML in XML
• Il markup descrive la struttura, costituita da elementi con attributi
  

  <tagname attr1="valAtt1">contenuto dell' elemento</tagname>
  

• Non è ammesso markup di presentazione
• Tutte le caratteristiche di presentazione sono definite a parte nel CSS
• Tre DTD (Frameset,Transitional, Strict)

Un frammento di documento XML

(Ringrazio Andrea Marchetti e Fabio Vitali per avermi fornito il sorgente XML)

• Con un editor grafico: [png] [pdf]
• In puro testo

        <Legge id="urn:nir:stato:legge:1996-12-31;675"> 
      <meta> 
        <descrittori><pubblicazione norm="19970108" num="5"/> 
          <urn>urn:nir:stato:legge:1996-12-31;675</urn>
          <vigenza inizio="" id="v1"/> 
        </descrittori> 
      </meta> 
      <intestazione><tipoDoc>Legge</tipoDoc> <dataDoc norm="31121996">31
        dicembre 1996</dataDoc> n. <numDoc>675</numDoc> <titoloDoc>Tutela delle persone
        e di altri soggetti rispetto al trattamento dei dati personali</titoloDoc>
        </intestazione> 
      <formulainiziale> 
        <h:p>La Camera dei deputati ed il Senato della Repubblica hanno
          approvato:</h:p> 
        <h:p>IL PRESIDENTE DELLA REPUBBLICA</h:p> 
        <h:p>Promulga</h:p> 
        <h:p>la seguente legge:</h:p> </formulainiziale> 
      <articolato> 
        <capo id="cap1"> 
          <num>Capo I</num> 
          <rubrica>PRINCIPI GENERALI</rubrica> 
          <articolo id="art1"> 
            <num>Art. 1</num> 
            <rubrica>Finalità e definizioni</rubrica> 
            <comma id="art1-com1"> 
              <num>1)</num> 
              <corpo>La presente legge garantisce che il trattamento dei
                dati personali si svolga nel rispetto dei diritti, delle libertà fondamentali,
                nonchè della dignità delle persone fisiche, con particolare riferimento alla
                riservatezza e all'identità personale; garantisce altresì i diritti delle
                persone giuridiche e di ogni altro ente o associazione </corpo> 
            </comma> 
  

Un frammento di DTD

<!ENTITY % docarticolato "(meta,intestazione,formulainiziale,
                      articolato,formulafinale,conclusione,annessi?)" >

<!ELEMENT Legge                %docarticolato; >
<!ATTLIST Legge %idnorma;  %status;  >
<!ELEMENT LeggeCostituzionale  %docarticolato; >
<!ATTLIST LeggeCostituzionale %idnorma;  %status;  >
<!ELEMENT DecretoLegge         %docarticolato; >
<!ATTLIST DecretoLegge %idnorma;  %status;  >
<!ELEMENT DecretoLegislativo   %docarticolato; >
<!ATTLIST DecretoLegislativo %idnorma;  %status;  >
<!ELEMENT DecretoMinisteriale  %docarticolato; >
<!ATTLIST DecretoMinisteriale %idnorma;  %status;  >
<!ELEMENT RegioDecreto         %docarticolato; >
<!ATTLIST RegioDecreto %idnorma;  %status;  >
<!ELEMENT Dpr                  %docarticolato; >
<!ATTLIST Dpr %idnorma;  %status;  >
<!ELEMENT Dpcm                 %docarticolato; >
<!ATTLIST Dpcm %idnorma;  %status;  >

Da DTD a XML Schema

• Sono codificati in XML (non vi è una sintassi specifica, un editore ad hoc, è possibile la validazione, ...)
• Si possono definire gerarchie di Element type
• Data type abbastanza sofisticati. È possibile:
  • definire vincoli sui data type (p.es. un attributo deve essere un intero positivo minore di 65)
  • definire gerarchie di data type (es. sottotipo per restrizione)
  • definire data type specifici (es. numeri di telefono, stringhe di soli caratteri, pattern specifici, ...)

Un frammento di XMLSchema NIRLight

• Visualizzazione grafica
• In puro testo
  

       <xsd:complexType name="docarticolato">
      <xsd:sequence>
        <xsd:element ref="meta"/>
        <xsd:element ref="intestazione"/>
        <xsd:element ref="formulainiziale"/>
        <xsd:element ref="articolato"/>
        <xsd:element ref="formulafinale"/>
        <xsd:element ref="conclusione"/>
        <xsd:element ref="annessi" minOccurs="0"/>
      </xsd:sequence>
      <xsd:attributeGroup ref="idnorma"/>
      <xsd:attributeGroup ref="status"/>
    </xsd:complexType>
    <xsd:element name="Legge" type="docarticolato"/>
    <xsd:element name="LeggeCostituzionale" type="docarticolato"/>
    <xsd:element name="DecretoLegge" type="docarticolato"/>
    <xsd:element name="DecretoLegislativo" type="docarticolato"/>
    <xsd:element name="DecretoMinisteriale" type="docarticolato"/>
    <xsd:element name="RegioDecreto" type="docarticolato"/>
    <xsd:element name="Dpr" type="docarticolato"/>
    <xsd:element name="Dpcm" type="docarticolato"/>
  

Dal Web al Web Semantico

Il Web non è solo tecnologia

“The Web is more a social creation than a technical one. I designed it for a social effect - to help people work together - and not as a technical toy. The ultimate goal of the Web is to support and improve our weblike existence in the world.”
(Tim Berners-Lee - Weaving the Web, p. 123)

• Valore sociale del Web: comunicazione interpersonale, commercio, condivisione di conoscenza
• Rendere questi benefici disponibili a tutti, indipendentemente da hardware, software, infrastruttura di rete, lingua madre, cultura, posizione geografica, capacità fisiche o mentali

I limiti del Web attuale

• Nel web tradizionale si rappresenta l' informazione utilizzando:
  • linguaggio naturale
  • grafica, elementi multimediali, struttura della pagina
• Spesso è necessario combinare le informazioni (provenienti da fonti diverse)
• Per gli esseri umani è facile ...
  • dedurre fatti da informazioni incomplete
  • creare e seguire associazioni mentali
  • provare varie esperienze sensoriali
  • aggregare le informazioni indipendentemente dalle tecnologie utilizzate
• ... ma le macchine non sono intelligenti!
  • non possono utilizzare informazioni parziali
  • hanno difficoltà ad aggregare informazioni strutturate in forma diversa

L' integrazione dei dati

Per un processo automatico

• Occorre combinare dataset diversi
  • ognuno di essi può provenire da un qualunque sito web
  • possono avere originariamente formati differenti (MySQL, fogli excel, XHTML, etc)
  • possono avere nomi diversi per le relazioni (multilinguismo)
• È necessario rappresentare in modo formale la conoscenza
• Il Semantic Web fornisce le tecnologie per rendere possibile questa integrazione

L' architettura del Semantic Web

Il Semantic Web ...

• è un' infrastruttura basata su metadati per poter svolgere ragionamenti sul Web
• estende, non sostituisce il web attuale

I metadati sono:

• Informazioni, elaborabili automaticamente (machine understandable), relative a una risorsa web o a qualche altra cosa
• ... data about data
• ... informazioni che possono essere utilizzate da intelligent software agents per fare un uso appropriato delle risorse
• ... dati ...
• ... che possono essere descritti da altri metadati ...

Perché i metadati?

• Nel Web di oggi tutte le informazioni sono " machine readable"
• Nel Semantic Web le informazioni devono essere " machine understandable". Quindi occorrono:
  • nomi non ambigui per le risorse (URI)
  • un data model condiviso per esprimere i metadati (RDF)
  • un modo per accedere ai metadati sul Web
  • vocabolari condivisi (ontologie)

Elementi di RDF

Cosa è RDF?

• Resource Description Framework
• strumento base per codifica, scambio e riutilizzo di metadati strutturati
• consente l' interoperabilità tra applicazioni che si scambiano sul Web informazioni machine-understandable
• un modello generale basato su triple, dette "triplets", o "statement" (con un formato machine readable come RDF/XML, Turtle, n3, RXR)

RDF è per il Semantic Web ciò che HTML è stato per il web

Triple RDF

• Una tripla RDF (s,p,o) è definita in modo che:
  • "s", "p" sono URI, cioè risorse sul Web; "o" è un URI o un "literal"
  • dal punto di vista concettuale: "p" collega, o mette in relazione "s" e "o"
  • si noti che vengono utilizzati URI per denotare i nomi: per esempio, possiamo utilizzare http://www.example.org/original
  • ecco la codifica completa della tripla:
    

    (<http://…isbn 6682>, <http://…/original>, <http://…isbn 409X>)
    

• Le risorse s, p, o vengono anche dette "subject", "predicate", "object", o "subject", "property", "object"
• Le risorse possono usare un qualunque URI; per esempio, possono denotare un elemento interno a un file XML sul Web, non solo una risorsa "completa".
• Le triple RDF formano un grafo orientato etichettato, o "directed, labelled graph" (è questo il modo migliore per considerarle!)

Un esempio semplice di RDF (in RDF/XML)

<rdf:Description rdf:about="http://…/isbn/2020386682">
    <f:titre xml:lang="fr">Le palais des mirroirs</f:titre>
    <f:original rdf:resource="http://…/isbn/000651409X"/>
</rdf:Description>

(Nota: per semplificare gli URI sono stati usati i namespace)

Un esempio semplice di RDF (in Turtle)

<http://…/isbn/2020386682>
    f:titre "Le palais des mirroirs"@fr;
    f:original <http://…/isbn/000651409X>.

Una versione semplificata di una biblioteca (Dataset "A")

Tabella Book

ID	Author	Title	Publisher	Year
ISBN 0-00-651409-X	id_xyz	The Glass Palace	id_qpr	2000

Tabella Author

ID	Name	Home page
id_xyz	Amitav Ghosh	http://www.amitavghosh.com/

Tabella Publisher

ID	Publisher Name	City
id_qpr	Harper Collins	London

Rappresentata come grafo …

Un' altra biblioteca (dataset "F")

Tabella Livre

ID	Titre	Auteur	Traducteur	Original
ISBN 2020386682	Le Palais des miroirs	i_abc	i_qrs	ISBN 0-00-651409-X

Tabella Auteur

ID	Nom
i_abc	Amitav Ghosh
i_qrs	Christiane Besse

Secondo passo: esportare il secondo insieme di dati

Merging dei dati…

…e delle risorse identiche

Il ruolo fondamentale degli URI

• Gli URI rendono possibile il merge
• Chiunque può creare (meta)dati su qualunque risorsa sul Web, per esempio:
  • lo stesso file XHTML può essere annotato con altri termini
  • è possibile aggiungere semantica alle risorse Web esistenti utilizzando URI
  • gli URI rendono possibile collegare (con proprietà) i dati tra di loro
• Gli URI sono la base del ruolo di RDF nel Web

RDFSchema

Perché RDF Schema?

• Consideriamo un esempio classico delle ontologie:
  • prendiamo il termine "cane"
  • "ogni cane è un mammifero"
  • "«Attila» è un cane"
  • etc.
• RDFS
  • definisce risorse e classi
  • formalizza in RDF le relazioni di: istanza, classe e sottoclasse
  • definisce le eventuali restrizioni (es. dominio e codominio)
  • ufficialmente: "RDF Vocabulary Description Language"
  • il termine "Schema" sopravvive per ragioni storiche…

Ontologie (OWL)

Cos'è un' ontologia?

Jim Hendler

A set of knowledge terms, including the vocabulary, the semantic interconnections and some simple rules of inference and logic for some particular topic

Studer et al. (1998)

An ontology is a formal, explicit specification of a shared conceptualisation.
A 'conceptualisation' refers to an abstract model of some phenomenon in the world by having identified the relevant concepts of that phenomenon.
'Explicit' means that the type of concepts used, and the constraints on their use are explicitly defined. For example, in medical domains, the concepts are diseases and symptoms, the relations between them are causal and a constraint is that a disease cannot cause itself.
'Formal' refers to the fact that the ontology should be machine readable, which excludes natural language.
'Shared' reflects the notion that an ontology captures consensual knowledge, that is, it is not private to some individual, but accepted by a group.

Disaccordo o accordo?

• Definizioni diverse, ma accordo sul concetto
• Un' ontologia include non solo i termini che sono esplicitamente definiti in essa, ma anche la conoscenza che ne può essere derivata mediante un processo di inferenza
• Un' ontologia cattura conoscenza consensuale
• "Little semantics goes a long way" (Jim Hendler)

Il Semantic Web: la visione del W3C

Ipotesi e sfide

• il Web è intrinsecamente distribuito
• le macchine possono accedere ad un insieme strutturato di informazioni e a un insieme di regole di inferenza da utilizzare per il ragionamento automatico
• per ragionare sui dati occorrono le ontologie
• fornire un linguaggio per esprimere dati e regole per ragionare sui dati
• esportare sul web delle regole da qualunque sistema di rappresentazione della conoscenza

Ricapitolando…

Metadati

• informazioni, comprensibili dalla macchina, relative a una risorsa web o a qualche altra cosa

Resource Description Framework (RDF)

• strumento base per la codifica, lo scambio e il riutilizzo di metadati strutturati
• consente l'interoperabilità tra applicazioni che si scambiano sul web informazioni machine-understandable

RDFS

• può essere considerato un Web Ontology Language semplice

Web Ontology Language (OWL)

• linguaggio per descrivere proprietà, vincoli, cardinalità, etc.
• permette di esportare ontologie in modo interoperabile

OWL: tre sottolinguaggi

OWL Lite

per rappresentare classificazioni gerarchiche e vincoli semplici. Permette una migrazione rapida per thesauri e altre tassonomie.

OWL DL

per utenti che desiderano la massima potenza espressiva garantendo comunque la completezza computazionale (tutte le conclusioni sono computabili) e la decidibilità (tutte le computazioni terminano in un tempo finito)

OWL Full

per utenti che desiderano la massima potenza espressiva e la libertà sintattica di RDF.
Non fornisce garanzie sui tempi di computazione, e difficilmente sarà supportato nella sua interezza da software che implementano il ragionamento

L' integrazione dei dati: il ruolo delle tecnologie

Il Web 2.0: un fenomeno sociale

Pro

• Social networking
• User Generated Content
• Social tagging e folksonomy

Contro

• Mantenere viva l'attenzione utente:
  • Telecommunications bandwidth is not a problem; human bandwidth is
• Utente “dipendente“ dal sito
  • problemi di migrazione, duplicazione del lavoro
• Frazionamento su più reti
  • Legge di Metcalfe: il valore di una rete è proporzionale al quadrato del numero di nodi presenti

Web 2.0 o Web Semantico?

Web 2.0

• livello d'ingresso meno costoso
• orizzonti limitati

Web Semantico

• investimenti iniziali rilevanti
• potenziale superiore

Conclusioni

• Il World Wide Web
  • Un' invenzione a portata di mano
  • Frutto del lavoro di tutti (come afferma lo stesso Tim)
  • Ancora molti margini di evoluzione (leading the Web to its full potential)
  • L' importanza del contesto
  • Motivazioni tecniche e ideali
• Il W3C
  • Il W3C guida l' evoluzione del Web, grazie al contributo dei suoi membri
  • Le tecnologie del Semantic Web (RDF, RDFS, OWL) consentono di rappresentare, esportare e condividere la conoscenza in maniera interoperabile
  • Le scelte strategiche, se tengono conto dell' evoluzione della tecnologia, garantiscono la salvaguardia dell' investimento

Sono orgoglioso di ...

Grazie per l' attenzione

Domande?

... e risposte

Se non è sul Web non esiste ...

... troverete sul sito dell' Ufficio (http://www.w3c.it/)
le slide (http://www.w3c.it/talks/2009/storiaWeb)