Tecniche fuzzy per l'elaborazione del linguaggio naturale

1,398 views

Published on

Idea vincitrice del Working Capital 2010 (Bari). Telecom Italia ha finanziato questa ricerca con una borsa di studio.

Published in: Education
0 Comments
0 Likes
Statistics
Notes
  • Be the first to comment

  • Be the first to like this

No Downloads
Views
Total views
1,398
On SlideShare
0
From Embeds
0
Number of Embeds
5
Actions
Shares
0
Downloads
0
Comments
0
Likes
0
Embeds 0
No embeds

No notes for slide





  • Conosco la definizione di un concetto ma non come si chiama. In tal caso Google non mi serve a niente.


  • Il problema è nella teoria degli insiemi classica. La volontà tacita di assiomatizzare realtà delle quali ancora non conosciamo tutta la complessità.




  • GEOLOCALIZZAZIONE


  • Tecniche fuzzy per l'elaborazione del linguaggio naturale

    1. 1. 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
    2. 2. 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
    3. 3. 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
    4. 4. “It’s not information overload. It’s filter failure” Clay Shirky (al Web2.0 Expo del 2008)
    5. 5. 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
    6. 6. 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
    7. 7. “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
    8. 8. 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
    9. 9. 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
    10. 10. 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
    11. 11. 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
    12. 12. 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
    13. 13. Scenario applicativo Integrazione in un sistema di raccomandazioni Concetti pertinenti Profilo, Sistema di Posizione Utente raccomandazioni geografica, Data Prodotti/servizi pertinenti restituiti 13 /15
    14. 14. 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
    15. 15. Grazie per l’attenzione 15 /15

    ×