Articoli del meseArticoli del mese

Articoli del mese


Stampa articolo

Articolo del Mese - Marzo 2019

Tassonomie e ricerche. Ecco come ottenere migliori risultati

Heather Hedden by Heather Hedden

Le tassonomie, o qualsiasi altro dizionario dei termini di classificazione, servono a effettuare etichettature coerenti e soprattutto una ricerca accurata. Normalizzano i concetti, raggruppando sinonimi o altre forme varianti per lo stesso concetto, in modo tale che il contenuto desiderato non venga perso nella ricerca di termini alternativi e il contenuto non appropriato non venga proposto nel caso di parole con più significati. Non solo: i raggruppamenti dei termini tassonomici delle gerarchie strutturate possono guidare gli utenti al termine di tassonomia desiderato.

Le tassonomie richiedono però uno sforzo per creare e quindi applicare l’etichettatura, ed è per questo che i vantaggi delle tassonomie rispetto alla sola ricerca vengono spesso messi in discussione, anche se la ricerca presenta alcuni limiti. Nonostante nel passato siano stati apportati miglioramenti alle tecnologie di ricerca, di recente non sono stati apportati nuovi miglioramenti, e i metodi che funzionano bene per i motori di ricerca sul web non si applicano necessariamente alla ricerca sulle raccolte relativamente più ridotte di contenuti all’interno di un’azienda. Le tassonomie e la ricerca non sono metodi che si escludono a vicenda per consentire agli utenti di trovare contenuti. Invece, le tassonomie e la ricerca possono essere utilizzate in combinazione in vari modi per migliorare i risultati e l’esperienza degli utenti. Quando la ricerca fu inizialmente introdotta nei sistemi di contenuti digitali delle aziende, fu vista come un’alternativa economica allo sviluppo di una tassonomia e all’individuazione manuale dei contenuti.

In alcuni casi, dove si desideravano risultati più accurati, agli utenti veniva offerta la scelta di sfogliare gli argomenti della tassonomia o cercare il testo completo del contenuto, ma le due funzioni erano separate. Nel frattempo, la tassonomia gerarchica sfogliabile a più livelli è diventata meno comune, poiché le tassonomie sono diventate troppo vaste per essere pratiche da mostrare completamente. Ma ora vi sono vari metodi per combinare le tassonomie e cercare un’esperienza unificata con i migliori risultati: ricerca sulla tassonomia, tassonomie in ambito ricerca di tipo “faceted”, termini di tassonomia per affinare i risultati post-ricerca e infine knowledge graph, ovvero grafi di conoscenza.

La ricerca sui termini di tassonomia
La ricerca sui termini di tassonomia è in genere abilitata all’interno della funzione di ricerca standard, quindi l’utente potrebbe anche non essere consapevole del fatto che la ricerca è sulla tassonomia. Una singola casella di ricerca viene presentata all’utente. Potrebbe esserci un’opzione per selezionare “tipo di ricerca”, offrendo all’utente una scelta tra ricerca su testo completo o su parola chiave e ricerca su tassonomia o su soggetto, ma un’opzione più semplice sarebbe quella di avere la ricerca predefinita sui termini della tassonomia, e quando nessun termine di tassonomia, oppure un suo sinonimo, corrisponde alla stringa di ricerca immessa dall’utente, la ricerca torna automaticamente alla modalità full-text. Ne deriva un’esperienza trasparente per gli utenti, in quanto non devono decidere se cercare o meno la tassonomia. Quando la ricerca è in base alla tassonomia, i relativi termini possono o non possono essere mostrati all’utente. Un’opzione comune è quella di presentare un breve elenco di termini di tassonomia, appena sotto la casella di ricerca, in una funzionalità di tipo completamento automatico: quando l’utente inserisce i caratteri nella casella di ricerca, i termini di tassonomia che iniziano con le stesse lettere sono presentati in un elenco. Una versione più sofisticata, di tipo “ricerca suggerita”, comprende termini di tassonomia che contengono una parola inserita dall’utente all’interno del termine di tassonomia e non solo all’inizio del termine di tassonomia. Le varianti e i sinonimi di parole completamente diverse non sono in genere inclusi nella “ricerca suggerita”, ma potrebbero esserlo.

La ricerca di tipo “faceted”
La ricerca di tipo “faceted”, cioè sfaccettata o “a faccette”, è un’implementazione sempre più comune della ricerca in combinazione con le tassonomie. I facet, o faccette, sono filtri che limitano i risultati della ricerca in base a diversi aspetti, come il tipo di documento, la posizione, l’organizzazione, il settore, l’argomento, la funzione, e così via. Una tassonomia sfaccettata è progettata per avere faccette e insiemi di termini appropriati per il contenuto all’interno di ogni faccetta. L’elenco di termini all’interno di ogni sfaccettatura è solitamente abbastanza breve da essere sfogliato. Gli elementi di contenuto sono contrassegnati con termini di tassonomia da ciascuna faccetta, e gli utenti ne selezionano i termini per restringere i risultati. La ricerca sfaccettata dà il controllo all’utente per limitare o ampliare ulteriormente i risultati della ricerca: l’utente può selezionare i termini da sfaccettature dopo o prima dell’esecuzione di una ricerca per parola chiave. Però, nonostante i loro benefici, le tassonomie sfaccettate non sempre sono pratiche. Al contenuto potrebbe mancare una serie di aspetti coerenti che potrebbero fungere da sfaccettatura.

Gli affinamenti post-ricerca
L’implementazione dei termini di tassonomia come affinamenti post-ricerca è una soluzione pratica quando ci sono troppi termini di tipo “argomento” per essere facilmente sfogliati. Talvolta, le tassonomie sugli argomenti possono avere centinaia o migliaia di termini. Un post-ricerca mostrerà (nel margine sinistro o destro) solo i termini di tassonomia che sono stati usati nell’indicizzazione sui record recuperati in una ricerca. I termini sono in genere elencati in ordine di conteggi di utilizzo della loro occorrenza di indicizzazione sui record recuperati. Pertanto, l’utente esegue prima una ricerca tradizionale, quindi vede quali sono i termini della tassonomia collegati al set di record recuperati, e successivamente seleziona uno di questi termini per ottenere un sottoinsieme dei risultati recuperati che sono stati indicizzati con quel termine per ottenere un risultato più mirato. Gli affinamenti post-ricerca hanno un’esperienza utente simile a quella di tipo “faceted”, ma sono diversi da questa perché visualizzano solo i valori che vengono trovati indicizzati sull’insieme di risultati e non l’intera tassonomia.

I grafi della conoscenza
I knowledge graph, o grafi della conoscenza, sono uno sviluppo più recente nella visualizzazione delle informazioni dopo l’esecuzione di una ricerca. Oltre alla visualizzazione tradizionale dei risultati di ricerca con collegamenti a record, il grafo della conoscenza mostra un “fact box” rapido, che presenta informazioni sull’argomento cercato senza che l’utente debba seguire i collegamenti. Per creare la visualizzazione delle informazioni, i grafi di conoscenza, che si basano su database di grafi anziché su database relazionali e possono utilizzare i dati negli archivi RDF tripli, estraggono i dati basati su entità e su cose e sulle loro relazioni reciproche. Allo stesso modo in cui i motori di ricerca sono stati introdotti per la prima volta sul web e successivamente introdotti in azienda, i grafi della conoscenza, inizialmente resi disponibili da Google sul web, iniziano a entrare nelle aziende, in combinazione con la ricerca di tipo enterprise. Per esempio, potrebbe trattarsi di informazioni su un esperto dei dipendenti, un progetto o una struttura. I grafi della conoscenza si basano sui metadati e, mentre i contenuti sul web non sono coerentemente etichettati con i metadati, vi sono molti contenuti su determinati argomenti che dispongono di metadati, in modo da rendere possibile la creazione di grafi della conoscenza. All’interno dell’azienda, tuttavia, affinché i grafi della conoscenza funzionino, i contenuti devono essere contrassegnati in modo più coerente con i metadati che derivano da una sorta di tassonomia.

Heather Hedden presenterà a Roma per Technology Transfer il seminario “Design di Tassonomia e Metadati” il 25 Marzo 2019

Tassonomie e ricerche. Ecco come ottenere migliori risultati - Technology Transfer

Dai silos a un ecosistema analitico integrato. Un approccio per avere dati da usare su più sistemi
Mike Ferguson

Come accelerare l’innovazione in azienda. La nuova generazione dell’IT enterprise
Frank Greco

Tassonomie e ricerche. Ecco come ottenere migliori risultati
Heather Hedden

Viaggio verso il data warehouse logico
Il grande dilemma della business intelligence

Rick van der Lans

Enterprise information catalog. I requisiti per fare la scelta giusta
Mike Ferguson

La nuova era dell’analisi predittiva - Le aziende alla prova del Machine Learning
Frank Greco

Uno sguardo Agile - Per capire il passato e progettare il futuro
Arie van Bennekum

Trasformazione Agile
Se il product owner diventa un collo di bottiglia

Sander Hoogendoorn

Una Fiat o una Ferrari?
Qual è la più adatta per il business digitale?

Barry Devlin

Vincere la complessità dei dati. È l’ora dello smart data management
Mike Ferguson

Big Data e Analytics - Se il machine learning accelera anche la data science
Mike Ferguson

I dati al centro del business
Christopher Bradley

I Big Data forniscono il contesto e la ricchezza predittiva attorno alle transazioni di business Avere dati coerenti e di qualità resta fondamentale per il processo decisionale
Barry Devlin

Cosa c’è dietro l’angolo? Cinque mosse per diventare un digital leader
Jeroen Derynck

Managing information technology Gestire l’IT come un business nel business
Mitchell Weisberg

Data integration self-service Miglioramento della produttività o caos totale?
Mike Ferguson

Project manager vecchi miti e nuove realtà
Aaron Shenhar

La catena alimentare dei requisiti
Suzanne Robertson

Come diventare un’azienda data-centric
Lindy Ryan

Enterprise analytical ecosystem - Come comprendere il comportamento online dei clienti e capitalizzare il valore dei dati nell’era Big Data
Mike Ferguson

Agilità? Basta Volere
Suzanne Robertson

Ma la vostra architettura è efficace?
Mike Rosen

Se il NoSQL diventa SQL
Rick van der Lans

La data quality e l’impatto sul business
Danette McGilvray

Business analysis e regole di business By Ronald G. Ross con Gladys S.W. Lam
Ronald Ross

Usare Scrum su larga scala: cosa cambia?
Craig Larman

Le architetture per ridurre il debito tecnico
Mike Rosen

Conversando con un marziano
Suzanne Robertson

Cosa c’è di nuovo nel project management?
Aaron Shenhar

Reinventare la Business Intelligence
Barry Devlin

Il nuovo volto della business intelligence
Shaku Atre

Alla ricerca del valore tra i pomodori nell'orto
John Favaro

I big data cambiano il mercato dei Database Server
Rick van der Lans

Un “superstorm” di informazioni
Barry Devlin

I dieci step per la qualità dei dati
Danette McGilvray

Perché è meglio evitare il private cloud?
Jason Bloomberg

Leonardo da Vinci aveva ragione!
Chris Date

Mobile user experience: Come adottare una strategia sostenibile
James Hobart

Cosa significa occuparsi di architettura?
Mike Rosen

Virtualizzazione dei dati e sistemi di Business Intelligence Agili
Rick van der Lans

Modelli e linguaggi naturali, quale il modo migliore per definire i requisiti?
James Robertson

Extreme Scoping: un approccio Agile all'Edw e alla BI
Larissa Moss

BI², la Business Intelligence al quadrato
Barry Devlin

I test di regressione in ambienti legacy
Randy Rice

Le conseguenze della consumerizzazione e del Cloud
Chris Potts

Come vanno gli affari? Chiedetelo al vostro cruscotto
Shaku Atre

Organizzare team di progetto efficienti in ambienti DW/BI
Larissa Moss

Big Data, come e perché
Colin White

Business Capabilities e l'allineamento del business all'IT
Mike Rosen

Il valore della tassonomia nella ricerca delle informazioni
Zach Wahl

BI, ma il Data Warehouse è ancora necessario?
Colin White

Reinventare la Business Intelligence
Barry Devlin

Il cruscotto delle prestazioni: il nuovo volto della Business Intelligence
Shaku Atre

Modelli e processi di User acceptance testing
Randy Rice

I limiti nel gestire l'IT come un Business
Chris Potts

Le componenti fondamentali del Cloud
George Reese

Metadati e DW 2.0
Derek Strauss

BI Open Source: basso costo e alto valore?
Jos van Dongen

Semplicità e requisiti
Suzanne Robertson

Business intelligence e analisi testuale
Bill Inmon

Extreme Scoping™: approcci agili al DW e alla BI
Larissa Moss

Dalla BI a un'architettura IT di livello Enterprise
Barry Devlin

Ambiente efficiente di ricerca di informazioni
James Hobart

Il Business deve trainare la Strategia IT
Chris Potts

Web database: la questione MapReduce (seconda parte)
Colin White

Web database: la questione MapReduce
Colin White

Misura delle prestazioni. I sette comandamenti
Harry Chapman

Le dieci cose che un architetto deve fare per creare valore
Mike Rosen

Sviluppare applicazioni a prova di sicurezza
Ken van Wyk

The ECM Landscape in 2008
Alan Pelz-Sharpe

Ma chi sono gli operatori dell’informazione?
Colin White

Qualità dell’informazione e trasformazione del management
Larry English

Classificazione sistematica delle informazioni
Zach Wahl

L’uso intensivo del Web nelle applicazioni di Bi
Colin White

Enterprise Search
Theresa Regli

La forza dell'astrazione
Steve Hoberman

La strada verso una BI pervasiva
Cindi Howson

Soa, una strategia di test
Randy Rice

Verso una BI più semplice e a minor costo
Colin White

I contenuti “Killer” del Web
Gerry McGovern

Sviluppo iterativo del software per i Dw
Larissa Moss

Qualità delle Informazioni e Datawarehousing
Larry English

Lo scenario Ecm 2008
Alan Pelz-Sharpe

La nascita del Web 3.0
John Kneiling

Documentazione: il dossier del crimine
Suzanne Robertson

L’impatto del Web 2.0 sui portali delle imprese
Colin White

Le tecniche vincenti di IT Management
Ken Rau

Web 2.0
Ed Yourdon

Web di successo se si conosce il cliente
Gerry McGovern

Un approccio alla BI incentrato sui processi
Colin White

Integrare Master Data Management e BI (Parte Seconda)
Mike Ferguson

Integrare Master Data Management e BI (Parte Prima)
Mike Ferguson

Il Project Manager è una Tata
Suzanne Robertson

Web di successo se si conosce il cliente
Gerry McGovern

L'informazione personalizzata
Colin White

La Tassonomia dell'Impresa
Zach Wahl

Managed Meta Data Environment (II parte)
David Marco

Managed Meta Data Environment
David Marco

Migliorare le applicazioni dell'impresa con Web 2.0
James Hobart

La Balanced Scorecard migliora la Performance dell'IT
Harry Chapman

La fusione dei processi dell'impresa grazie a Soa (II parte)
Max Dolgicer

La fusione dei processi dell'impresa grazie a SOA (I parte)
Max Dolgicer

Volere è Potere, in Ogni Senso
Suzanne Robertson

Dimostrate con i numeri il valore dei contenuti del web
Gerry McGovern

Il Back-end della pianificazione strategica dell'It
Ken Rau

L'audit delle prescrizioni di progetto (II parte)
Suzanne Robertson

L'audit delle prescrizioni di progetto (I parte)
Suzanne Robertson

Il Processo di gestione delle informazioni
Ted Lewis

I requisiti come strumento di gestione dei progetti
Suzanne Robertson

Il futuro è nel contenuto killer del web
Gerry McGovern

Alla ricerca del valore tra i pomodori nell'orto
John Favaro

Rilevare i costi sulla base delle attività
Ken Rau

Un percorso verso l'impresa intelligente (II parte)
Mike Ferguson

Un percorso verso l'impresa intelligente (I parte)
Mike Ferguson

Il Data Store Operativo: un lavoro di martello
Claudia Imhoff

Il data warehouse orientato all'impresa
Michael Schmitz

Dieci punti chiave per realizzare balanced scorecard di successo
Harry Chapman

Content management: i contenuti al primo posto
Gerry McGovern

Applicazioni Web ad alta disponibilità
John Kneiling

Il 2004, sarà l'anno in cui abbandoneremo html?
James Hobart

La tecnologia EII ripropone il data warehousing virtuale?
Colin White

Misurare per Gestire
Ken Rau

Volere è Potere, in Ogni Senso
Suzanne Robertson

Realizzare il CPM e l'integrazione della BI
Mike Ferguson

Tutti i punti della FPA
Koni Thompson

Requiem per il Portale?
Colin White

Business Intelligence: dalla teoria alla realtà (II parte)
Shaku Atre

Business Intelligence: dalla teoria alla realtà (I parte)
Shaku Atre

I portali Corporate e di E-business: la nuova generazione del posto di lavoro
Mike Ferguson

I 10 errori da evitare nella realizzazione di un Meta Data Repository (II Parte)
David Marco

I 10 errori da evitare nella realizzazione di un Meta Data Repository (I parte)
David Marco

Usare i modelli per acquisire l'esperienza di progettazione
James Hobart

Realizzare l'Impresa Intelligente
Colin White

.NET or J2EE - Choosing the Right Web Services Framework
John Kneiling

Progettare Applicazioni Mobili di Successo
James Hobart

La Sociologia del Progetto: Identificare e Coinvolgere tutti i Partecipanti
Suzanne Robertson

Integrare la Business Intelligence nell'Impresa (II parte)
Mike Ferguson

Integrare la Business Intelligence nell'Impresa (I parte)
Mike Ferguson

L'Evoluzione del Portale di e-Business (II parte)
Colin White

L'Evoluzione del Portale di e-Business (I parte)
Colin White

Il Consulente WebEAI: Servizi Web, XML e l'Impresa
John Kneiling

Data Mining: Come Gestire le Relazioni con i Clienti Secondo i Principi del CRM
Weaver James

Articoli del mese - Technology Transfer