AlgaKnow
Natural Language Understanding
L’AI legge, ma cosa ha capito?
AlgaKnow analizza ogni frase come nell’analisi logica, risolve i riferimenti e costruisce un grafo di conoscenza: quello che ha capito si vede, si interroga, si corregge. Stack linguistico proprio, sviluppato per l’italiano.
La demo si richiede ad AGG Soluzioni Avanzate, che commercializza la piattaforma: si apre il suo sito.

Un esempio, passo per passo
Cliccate sui numeri o usate le frecce. Gli schemi sono illustrativi: cliccateci sopra per ingrandirli.
Passo 1
Il testo
Una frase da Wikipedia, in cui Napoleone non viene mai nominato.
Sposò Giuseppina di Beauharnais nel 1796, e in seconde nozze l’arciduchessa Maria Luisa d’Austria, l’11 marzo 1810, dalla quale ebbe l’unico figlio legittimo, Napoleone Francesco, detto il re di Roma (1811-1832).
Cosa capisce
Entità
Persone, organizzazioni, luoghi, opere, edifici e mezzi, periodi, eventi.
Oltre 35 ruoli logici
Compresi complementi che gli altri analizzatori raramente riconoscono: predicativi del soggetto e dell’oggetto, vocativi, apposizioni, partitivi.
Frasi complesse
Subordinate e coordinate a più livelli, con la frase principale distinta.
Il non detto
Soggetti sottintesi e impersonali, anafore e coreferenze.
Ordine libero
Il soggetto dopo il verbo, tipico dell’italiano.
Significato
Disambiguazione delle parole, sentiment, misure di leggibilità.

Impara leggendo
Un linguaggio di settore che nessun dizionario conosce?
Dizionari di partenza
Oltre 400.000 forme di parole e oltre 100.000 significati, con le lacune dell’italiano colmate.
Parole nuove
Ne ipotizza categoria e caratteristiche; una persona conferma o corregge.
Il vostro settore
Sigle, gergo e sinonimi si aggiungono come conoscenza esplicita.
Da dove viene l’idea
Negli anni ’70 Roger Schank proponeva di rappresentare il significato delle frasi in una struttura esplicita di ruoli, non come sequenza di parole (Conceptual Dependency). Una parte importante di AlgaKnow parte da lì, con gli strumenti di oggi. Per approfondire: Capire e rappresentare.
A cosa serve
Controllare gli LLM
Verifica puntuale di quello che il modello riceve e restituisce.
Rispondere prima
Analizza i testi molto più in fretta di un LLM e riduce i tempi di risposta.
Costruire basi di conoscenza
Dal testo non strutturato a una rappresentazione strutturata, da interrogare.
Smistare
Email, ticket e reclami alla persona o al reparto giusto.
Popolare basi dati
Basi dati e gestionali alimentati dai testi.
Rispondere dal grafo
Risposte ricavate dal grafo, riconducibili ai fatti e alle frasi da cui vengono.
Collegare
Relazioni tra entità citate in documenti diversi, ricerca più precisa.
Leggibilità
Quanto è comprensibile un testo, quali passaggi semplificare.
Opinioni
Sentiment, e i motivi concreti dietro le opinioni dei clienti.
Approfondimento tecnico
- Suddivisione in frasi e parole con addestramenti propri (OpenNLP)
- Entità: organizzazioni, persone, luoghi fisici e geopolitici, opere, edifici e mezzi, periodi, eventi
- Parti del discorso con tre modelli a confronto per ridurre gli errori, più correzioni con dizionario morfologico e regole
- Lemmi e significati con MultiWordNet; disambiguazione iniziale rapida, poi migliorata dai ruoli
- Analisi deterministica basata sulla valenza dei verbi, sui sintagmi e sui ruoli (parti logiche)
- Anafore e coreferenze con un’estensione dell’algoritmo RAP di Lappin e Leass: italiano, soggetti sottintesi e impersonali, genere calcolato dinamicamente, vocativi
- Grafo di conoscenza su ArcadeDB: si consulta dall’app, che mostra il grafo corrispondente a ogni interrogazione, o dallo strumento del database, in modo interattivo e progressivo
- Leggibilità con le misure standard per l’italiano e il Nuovo Vocabolario di Base di De Mauro; sentiment con SentiWordNet
- Parole chiave e riassunti, quando servono, tramite LLM
Mettete alla prova AlgaKnow
Demo e progetti con AGG Soluzioni Avanzate, che commercializza la Piattaforma Algaware in Italia.



