Esplicitare i contesti: estrazione di grafi di conoscenza da descrizioni archivistiche tradizionali

Abstract

Gli strumenti di corredo archivistici sono spesso solo parzialmente capaci di esprimere il vero potenziale informativo dei dati, a causa della molteplicità di campi non strutturati presenti nelle descrizioni dei complessi documentari. La presenza di numerose sezioni literal, ovvero a testo pieno, limita, da un lato, la possibilità di interrogazioni a base semantica e, dall'altro, non consente l'apertura ai numerosi contesti latenti che tali porzioni di testo non strutturato veicolano. Questa ricerca propone una metodologia per l’estrazione automatica di conoscenza (Knowledge Extraction, KE) da descrizioni archivistiche, con l’obiettivo di migliorarne la strutturazione e l’interoperabilità semantica. Attraverso un caso di studio basato sul Sistema Archivistico Nazionale (SAN) e utilizzando strumenti ready-to-use come TINT, FRED e GPT-4o, si è valutata preliminarmente l’efficacia di diverse tecniche di analisi morfosintattica, lessicale e semantica. I risultati più promettenti hanno evidenziato il potenziale dei Large Language Model (LLM), portando allo sviluppo di una pipeline di estrazione della conoscenza basata sul modello open-source Llama 3.3. I risultati hanno dimostrato un’elevata capacità di estrazione di eventi biografici e relazioni, con un buon equilibrio tra precisione e recall, confermando la validità dell’approccio. Tuttavia, emerge l’esigenza un’architettura software più robusta affinché le pipeline basate su LLMs diventino davvero scalabili nell’ottica di un’integrazione nei sistemi archivistici.