ANALISI DELLA CORRELAZIONE TRA MISURE DI SIMILARITÀ BASATE SUL CONTENUTO INFORMATIVO E SULLA VICINANZA GEOMETRICA

This thesis addresses the evaluation of semantic cohesion within RDF-based Knowledge Graphs (KGs) by proposing an innovative methodological framework. The proposed approach integrates geometric analysis using Graph Embedding models with structural verification grounded in ontological standards. To overcome the limitations of traditional metrics, two group metrics are introduced: CS-Jaccard Triples and CS-Jaccard Paths, with the latter designed to capture the continuity and complexity of directed paths within a minimal subsumption subgraph. To reduce information redundancy, an iterative semantic reduction algorithm (lcs_reduction) based on SPARQL ASK queries was developed and implemented. Experimental evaluations across 20 Graph Embedding models (including MuRE, DistMA, and TransE), validated in MATLAB via Pearson, Spearman, and Kendall Tau correlation coefficients, demonstrate that the path-based metric serves as a robust, stable, and generalizable indicator. It preserves the semantic cohesion ranking defined by the LD-SimGIC ontological standard while providing complementary insights to atomic triple similarity.

Questo lavoro di tesi affronta il problema della valutazione della coesione semantica all'interno dei Knowledge Graph (KG) rappresentati in formato RDF, proponendo un framework metodologico innovativo che unisce l'analisi geometrica basata su modelli di Graph Embedding e la verifica strutturale basata su standard ontologici. A partire dall'esigenza di superare i limiti delle metriche tradizionali, sono state introdotte le metriche di gruppo CS-Jaccard Triples e CS-Jaccard Paths, quest'ultima finalizzata a catturare la continuità e la complessità dei cammini orientati all'interno di un sottografo di sussunzione minimale. Per attenuare la ridondanza informativa, è stato progettato e implementato un algoritmo di riduzione semantica (lcs_reduction) basato sull'interrogazione iterativa di query SPARQL ASK. Le sessioni di test, condotte su 20 diversi modelli di Graph Embedding (tra cui MuRE, DistMA, TransE, ecc.) e confermate in ambiente MATLAB tramite i coefficienti di Pearson, Spearman e Kendall Tau, ha dimostrato che la metrica basata sui cammini costituisce un indicatore estremamente robusto, stabile e generalizzabile, capace di preservare l'ordinamento della coesione semantica reale definita dallo standard ontologico LD-SimGIC, confermandosi al contempo complementare rispetto alla semplice similarità atomica delle triple.