Metodi di Ingegneria della Conoscenza applicati alle homepage delle scuole superiori italiane

Idea del progetto

L’idea di fondo è l’applicazione di alcuni metodi di Ingegneria della Conoscenza su un dominio di interesse, l’usabilità di una pagina web. Si va prima a circoscrivere un ambito di riferimento, che nel nostro caso, è l’insieme delle Homepage delle scuole superiori pubbliche italiane.

Aggiornamento dataset ds3_gt: 11/2023

Gruppo di lavoro

Vincenzo Di Bisceglie; matr. 745751; v.dibisceglie3@studenti.uniba.it
- A.A. 2022/2023

Documentazione e Risultati

Vedere docs/report-745751.pdf. In ogni sezione si rimanda ai percorsi dei vari output.

Download

Download Python, SWI-Prolog, Protégé.

Clonare la repo.

git clone https://github.com/vodibe/icon-745751.git

Posizionarsi nella cartella.
```
cd path/to/icon-745751
```

Creare e abilitare ambiente virtuale Python.

python -m venv venv

venv\Scripts\Activate # Windows
source venv/bin/activate # Linux

Installare pacchetto del progetto nell'ambiente virtuale.
```
pip install -e .
```
Installare dipendenze.
```
pip install -r requirements.txt
```
Installare i Plugins di Protégé:
1. Aprire Protégé.
2. File > Check for plugins... > Snap SPARQL Query > Install
3. Riavviare Protégé.
4. File > Preferences... > Plugins > Plugin registry
5. Sostituire con
  
  https://raw.githubusercontent.com/Complexible/pellet/master/protege/plugin/update.properties
6. OK
7. File > Check for plugins... > Pellet Reasoner > Install
8. Riavviare Protégé.
9. File > Preferences... > Plugins > Plugin registry > Reset to default registry location.
10. OK

Esecuzione

Questo repository contiene già tutti i risultati e i file di output. Se si vuole esplorare le varie sezioni trattate nel progetto, seguire questi passi.

Se si vuole creare e visualizzare un NDOM di un sito web o di un file HTML...

```
cd agent/ndom
```

(Facoltativo) Modificare NaiveDOM.py

if __name__ == "__main__":
   # sito web -> NDOM
   myNDOM = NaiveDOM("https://www.liceofermicanosa.edu.it/")
   # sorgente locale -> NDOM
   # myNDOM = NaiveDOM(location="mysource.html", from_file=True)

   # leggiamo le features estratte
   print(myNDOM.get_features())
   # visualizziamo
   myNDOM.plot()

```
python NaiveDOM.py
```

Output:

Building NDOM for https://www.liceofermicanosa.edu.it/
Reading HTML...
Cleaning HTML...
Parsing HTML <body> tag...
Populating features...
{'page_width': 1587, 'page_height': 4145, 'NDOM_height': 7, ...}

Se si vuole costruire dei modelli di apprendimento per l'emulazione del GT...

Aprire la cartella del progetto con un qualsiasi IDE che supporti la visualizzazione di notebook .ipynb , ad es. VS Code.
```
cd path/to/icon-745751/
code .
```
```
pip install ipykernel
```
Aprire agent/models/nb_supervised_learning.ipynb.
Eseguire in ordine tutte le celle di codice.

Se si vuole consultare la KB per eseguire i Job...

```
cd agent/kb
```

(Facoltativo) Modificare kb_creator.py

...
if __name__ == "__main__":
   ...

   # Specificare i Job da eseguire
   run_job1()

   run_job2()

   run_job3()

   run_job4(geofacts_created=True)

   run_job5(geofacts_created=True)

   run_job6()

```
python kb_creator.py
```
Percorso risultati: agent/kb/jobs/

Se si vuole apprendere i parametri della Rete Bayesiana, visualizzarli, ed eseguire delle query...

```
cd agent/pgm
```

(Facoltativo) Modificare bn_creator.py

...
BN_QUERIES_DEFAULT = [
{
   # Specificare una query in questo formato
   "query_desc": "P(page_template | metric=4)",
   "variables": ["page_template"],
   "evidence": {
         "metric": 4,
   },
   ...
},
...

```
python bn_creator.py
```
Percorso risultati: agent/pgm/bif/

Se si vuole esplorare l'ontologia, aggiungere individui o sottoporre query DL/SPARQL...

Aprire Protègè.
File > Open > agent/ontology/ambitoscuola_v1.owl
Reasoner > Pellet > Start reasoner

vodibe / icon-745751