Tecniche fuzzy per l'elaborazione del linguaggio naturale

Michele Filannino Università degli Studi di Bari “A.Moro” Dipartimento di Informatica Research: http://www.di.uniba.it/~swap/ Working Capital - BarCamp Twitter: @bronko85 Bari, 13 luglio 2010

Chi sono Informazioni • Età: 24 anni; • Laureato in Informatica e tecnologie per la produzione del software in meno di 3 anni, cum laude; • Laureando magistrale in Informatica; • Membro del SWAP Research Group (Semantic Web Access & Personalization); • Blogger per melablog.it. 2 /15

Motivazioni Quantità di dati in Internet 155 milioni di siti web 5 milioni di Tb* di dati Un uomo impiegherebbe 57000 anni per leggerli. 1,8 miliardi di utenti (crescita esponenziale) * Google ne ha indicizzato solo lo 0,004% ;) Dati forniti da Eric Shmidt, CEO di Google, durante una conferenza del 2005 | Fonte: SoftPedia 3 /15

“It’s not information overload. It’s ﬁlter failure” Clay Shirky (al Web2.0 Expo del 2008)

Information ﬁltering Motori di ricerca • non differenziano i risultati in base agli utenti; • richiedono all’utente una parziale conoscenza dei documenti cercati; • offrono risultati errati o banali* poiché non comprendono il linguaggio naturale. * L. Iaquinta, M. de Gemmis, P. Lops, G. Semeraro, M. Filannino, and P. Molino. Introducing Serendipity in a Content-based Recommender System. In F. Xhafa, F. Herrera, A. Abraham, M. Koppen, and J. M. Benitez, editors, Proceedings of the Eighth International Conference on Hybrid Intelligent Systems HIS-2008 , pages 168-173. IEEE Computer Society Press, Los Alamitos, California, 2008. ISBN 978-0-7695-3326-1. 5 /15

Il presente Semantica, Web3.0, etc... • Ontologie -> Logiche descrittive; • Realizzazione from scratch molto onerosa; • Utilizzo limitato a domini molto speciﬁci; • bassa precisione, risultati poco pertinenti, complessità computazionale elevata. 6 /15

“Nella misura in cui le leggi della matematica si riferiscono alla realtà non sono certe. E nella misura in cui sono certe, non si riferiscono alla realtà.” Albert Einstein

Idea ! • Utilizzare logica fuzzy per restituire risultati più intelligenti. • Ridimensionare l’uso di algoritmi basati su logica classica; • Riﬁutare di formalizzare i meccanismi sottesi al linguaggio naturale umano; 8 /15

Logica fuzzy Lotﬁ Zadeh, 1965* • Logica del ragionamento approssimato; • Esprime incertezza; • Estende la classica teoria degli insiemi; • Consente di proﬁlare le interpretazioni degli utenti. • Fuzzy-relazioni tra concetti ontologici L. A. Zadeh. Fuzzy sets. Information and Control, 8(3):338–353, June 1965 9 /15

Il sistema software Capacità • Interpreterà il linguaggio naturale (italiano ed inglese); • Eliciterà i concetti ontologici presenti nel testo; • Sarà facilmente integrabile in sistemi terzi. 10 /15

Funzionamento Input, output INPUT OUTPUT Concetti ontologici Testo semplice pertinenti (anche nascosti) Concetti ontologici Pagina social network signiﬁcativi per il proﬁlo Concetti ontologici correlati Pagina web (anche nascosti) 11 /15

Scenario applicativo Integrazione in un motore di ricerca classico Query arricchita Query Query Motore di Utente ricerca << Documenti pertinenti Documenti restituiti restituiti da un sistema classico 12 /15

Scenario applicativo Integrazione in un sistema di raccomandazioni Concetti pertinenti Proﬁlo, Sistema di Posizione Utente raccomandazioni geograﬁca, Data Prodotti/servizi pertinenti restituiti 13 /15

Progetti In corso... • Studio sui concetti di gradualità e vaghezza nella ingegneria della conoscenza; • Membro del progetto SWOP (Semantic Web-service Opened Platform); • Realizzazione di un algoritmo per il calcolo della similarità semantica tra frasi (SAWA); • Sogno di diventare un ricercatore. 14 /15

Grazie per l’attenzione 15 /15

Tecniche fuzzy per l'elaborazione del linguaggio naturale

by Michele Filannino

Accessibility

Categories

Upload Details

Usage Rights

1 Embed 1

Statistics