Information Extraction

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "Information Extraction"

Transcript

1 UNIVERSITÀ DEGLI STUDI DI BARI Facoltà di Scienze Matematiche, Fisiche e Naturali Dipartimento di Informatica Information Extraction Prof. Giovanni Semeraro Dott. Pasquale Lops Dott. Marco Degemmis Corso di Gestione della Conoscenza d Impresa Anno Accademico Information Extraction (IE) è il task che consiste nel localizzare informazioni specifiche all interno di documenti espressi in linguaggio naturale. OBIETTIVI Sviluppo di metodologie in grado di elaborare il testo dei documenti Estrazione di concetti che consentono di descrivere il contenuto dei documenti Rappresentazione strutturata delle informazioni estratte Line Eikvil, 1999 Information Extraction from World Wide Web: a survey Information Extraction 2 1

2 Information Retrieval (IR) Task che consiste nel ritrovare documenti rilevanti in relazione alle specifiche esigenze dell utente un sistema per IR è usato per memorizzare informazioni passibili di elaborazione, ricerca, recupero e distribuzione a differenti popolazioni di utenti. Salton G., McGill M.J. Introduction to Modern Information Retrieval. McGrawHill, Information Extraction 3 IR vs. IE IR Seleziona un set di documenti rilevanti da vaste collezioni Il testo è una raccolta disordinata di parole IE Estrae informazioni rilevanti da documenti È interessata alla struttura del testo SONO TECNICHE COMPLEMENTARI PER IL TEXT PROCESSING Information Extraction 4 2

3 Esempio di rappresentazione TEMPLATE SLOTVALUE Document Iama a Windows NT software engineer seeking a permanent position in a small quiet town miles from New York City. Ihaveovernineteen years of experience in all aspects of development of application software, with recent focus on design and implementation of systems involving multithreading, client/server architecture, and antipiracy. For the past 5 years, I have implemented Win NT services in Visual C++. I also have designed and implemented applications in Java. Before working with Win NT, I programmed in C under OpenVMS for 5 years. TITLE: LOCATION: LANGUAGE: PLATFORM: AREA: YEARS OF OF EXPERIENCE: Windows NT NT software engineer New New York City Visual C++, C, C, Java Win Win NT, NT, OpenVMS multithreading, client/server, antipiracy years Information Extraction 5 IE: motivazioni Due fattori hanno contribuito in maniera decisiva allo sviluppo dell IE nell ultimo decennio: Information Overflow Message Understanding Conference Information Extraction 6 3

4 Information Overflow Negli ultimi anni si è registrata una crescita esponenziale del volume di dati testuali disponibili online e offline. Questo fenomeno si è scontrato con l assenza di sistemi efficienti per la gestione di grandi quantità di dati non strutturati. Difficoltà nel selezionare informazioni utili dalla massa di informazioni proveniente da sorgenti di testo distribuite ed eterogenee Information Extraction 7 MUC: la storia (1) Verso la fine degli anni 80 il governo USA sponsorizzò il progetto MUC per valutare e migliorare lo stato dell arte nel campo dell IE. Diversi laboratori di ricerca accademici ed industriali furono impegnati nello sviluppo di sistemi per l IE in domini specifici. Costituì un primo tentativo di ottenere una valutazione quantitativa delle prestazioni di un sistema per l IE basandosi su rigorose procedure di test. Information Extraction 8 4

5 MUC: la storia (2) A ciascun testo appartenente al corpus di valutazione fu associato un template codificato a mano e progettato per contenere tutte le informazioni rilevanti incorporate nel documento sorgente. L obiettivo era quello di progettare sistemi che fossero in grado di generare i template senza nessuna assistenza umana. Information Extraction 9 Il risultato Il progetto ha dimostrato che: È possibile realizzare sistemi completamente automatizzati Le prestazioni in alcuni task specifici sono paragonabili a quelle di un esperto umano Information Extraction 10 5

6 Information Extraction: strategie Knowledge Engineering Le regole di estrazione sono costruite manualmente basandosi sulla conoscenza del dominio applicativo Automatic Training Per apprendere le regole di estrazione un algoritmo di training è eseguito su un corpus di documenti annotati per evidenziare le informazioni di interesse Information Extraction 11 Knowledge Engineering Approach Garantisce il controllo del processo di costruzione delle regole di estrazione Determina una forte dipendenza dal grado di abilità dall ingegnere della conoscenza che costruisce le regole Rende laborioso il processo di sviluppo dei sistemi Information Extraction 12 6

7 Automatic Training Approach Consente uno sviluppo più rapido dei sistemi Richiede uno sforzo minore nell adattare i sistemi ad un nuovo dominio applicativo Necessita della disponibilità di un volume soddisfacente di documenti di training Information Extraction 13 Le fasi di un sistema per IE documento Analisi locale del testo Analisi lessicale Riconoscimento dei nomi Fase di estrazione dei singoli fatti dal testo Analisi sintattica Pattern matching Analisi del discorso Analisi di coreferenza Integrazione dei fatti estratti al fine di ampliarli o produrne di nuovi Inferenza Generazione dei template Template estratti Traduzione nel formato di output richiesto Information Extraction 14 7

8 Esame delle singole fasi Le fasi del processo saranno analizzate illustrandone i risultati sul frammento di testo: Sam Schwarts retired as executive vice president of the famous hot dog manufacturer, Hupplewhite Inc. He will be succeeded by Harry Himmelfarb Information Extraction 15 Analisi Lessicale documento Analisi locale del testo Analisi lessicale Riconoscimento dei nomi Analisi sintattica Pattern matching Analisi lessicale Analisi del discorso Analisi di coreferenza Inferenza Generazione dei template consente di assegnare opportune proprietà alle singole parole o alle espressioni idiomatiche del testo Template estratti Information Extraction 16 8

9 Analisi Lessicale: tokens TOKEN: elemento che può corrispondere ad una parola, un numero, un simbolo di punteggiatura oppure qualsiasi altra unità in grado di essere passata alla fase di elaborazione successiva. TOKENIZZATORE: dispositivo che segmenta un flusso di input in una sequenza ordinata di token. Information Extraction 17 Analisi Lessicale: terminologia PARTOFSPEECH TAG: ruolo grammaticale assunto da una determinata parola. ANALIZZATORE MORFOLOGICO: programma che utilizza un lexicon per classificare i vari token. Associa ad un token tutti i possibili partofspeech che può assumere. LEXICON: database lessicale (specifico per una particolare lingua) che indica i possibili partofspeech di una parola. PARTOFSPEECH TAGGER: disambiguatore di partofspeech. Information Extraction 18 9

10 Riconoscimento dei nomi documento Analisi locale del testo Analisi lessicale Riconoscimento dei nomi Riconoscimento dei nomi Analisi sintattica Pattern matching Analisi del discorso Analisi di coreferenza Inferenza Generazione dei template Template estratti L obiettivo di questa fase è quello di identificare nomi ed altre strutture lessicali speciali (date, importi), usando pattern (espressioni regolari) rappresentati in termini di partofspeech, caratteristiche sintattiche ed ortografiche. Information Extraction 19 Riconoscimento dei nomi: esempio I nomi propri potrebbero essere identificati da: Un titolo che precede un nome Mr. Herrington David Un suffisso John Smith Jr. Una iniziale puntata all interno di una sequenza di nomi Humble T. Hopp Information Extraction 20 10

11 Riconoscimento dei nomi: risultato [ name type: person Sam Schwarts] retired as executive vice president of the famous hot dog manufacturer, [ name type: company Hupplewhite Inc.] He will succeeded by [ name type: person Harry Himmelfarb] Information Extraction 21 Analisi Sintattica (1) documento Analisi locale del testo Analisi lessicale Analisi sintattica Riconoscimento dei nomi Analisi sintattica Pattern matching Analisi del discorso Analisi di coreferenza identificazione di legami sintattici elementari fra i diversi elementi di una frase Inferenza Generazione dei template Template estratti Information Extraction 22 11

12 Analisi Sintattica (2) Si rinuncia alla determinazione del completo albero sintattico di interpretazione della frase in favore di una interpretazione locale dei sintagmi di una porzione della frase stessa. SINTAGMA: parola o insieme di parole che abbiano un significato logico Information Extraction 23 Analisi Sintattica (3) Ritornando all esempio iniziale, l applicazione della fase di partial parsing consente l individuazione dei gruppi verbali e delle frasi nominali: [ np entity: e1 Sam Schwarts] [ vg retired] as [ np entity: e2 executive vice president] of [ np entity: e3 the famous hot dog manufacturer], [ np entity: e4 Hupplewhite Inc.] [ np entity: e5 He] [ vg will succeeded] by [ np entity: Harry Himmelfarb] e6 Information Extraction 24 12

13 Analisi Sintattica (4) A ciascun gruppo nominale il sistema assegna una entità semantica: Entity e1 Entity e2 Entity e3 Entity e4 Entity e5 Entity e6 Type: person name: Sam Schwarts Type: position value: executive vice president Type: manufacturer Type: company name: Hupplewhite Inc. Type: person Type: person name: Harry Himmelfarb Information Extraction 25 Analisi Sintattica (5) Aggregazione dei gruppi in costrutti sintattici più ampi: Sam Schwarts retired as executive vice president of the famous hot dog manufacturer, Hupplewhite Inc. He will be succeeded by Harry Himmelfarb <position> of <company> Information Extraction 26 13

14 Analisi Sintattica (6) [ np entity: e1 Sam Schwarts] [ vg retired] as [ np entity: e2 executive vice president of the famous hot dog manufacturer], [ np entity: e3 Hupplewhite Inc.] [ np entity: e5 He] [ vg will succeeded] by [ np entity: e6 Harry Himmelfarb] Entity e1 Type: person name: Sam Schwarts Entity e2 Type: position value: executive vice president company: e3 Entity e3 Type: manufacturer name: Hupplewhite Inc. Entity e5 Entity e6 Type: person Type: person name: Harry Himmelfarb Information Extraction 27 Pattern Matching documento Analisi locale del testo Analisi lessicale Pattern Matching Riconoscimento dei nomi Analisi sintattica Pattern matching Analisi del discorso Analisi di coreferenza L obiettivo è l estrazione di eventi o relazioni rilevanti per lo scenario di interesse Inferenza Generazione dei template Template estratti Information Extraction 28 14

15 Pattern Matching: esempio Scenario: eventi di successione nel management. <person> retires as <position> <person> is succeded by <person> Il risultato della fase di scenario pattern matching èun testo marcato con eventi. Information Extraction 29 Pattern Matching: esempio [ clause event: e7 Sam Schwarts retired as executive vice president of the famous hot dog manufacturer, Hupplewhite Inc.] [ clause event: e8 He will succeeded by Harry Himmelfarb] <person> retires as <position> Information Extraction 30 15

16 Pattern Matching: esempio [ clause event: e7 Sam Schwarts retired as executive vice president of the famous hot dog manufacturer, Hupplewhite Inc.] [ clause event: e8 He will succeeded by Harry Himmelfarb] <person> is succeded by <person> Information Extraction 31 Pattern Matching: esempio Entity e1 Type: person name: Sam Schwarts Entity e2 Type: position value: executive vice president company: e3 Entity e3 Entity e5 Entity e6 Type: manufacturer name: Hupplewhite Inc. Type: person Type: person name: Harry Himmelfarb Entity e7 Type: leavejob person: e1 position: e2 Entity e8 Type: succeed person1: e6 person2: e5 Information Extraction 32 16

17 Analisi di Coreferenza documento Analisi locale del testo Analisi lessicale Riconoscimento dei nomi Analisi sintattica Pattern matching Analisi di coreferenza Analisi del discorso Analisi di coreferenza Inferenza Ha come obiettivo la risoluzione dei riferimenti dei pronomi Generazione dei template Template estratti Information Extraction 33 Analisi di Coreferenza [ clause event: e7 Sam Schwarts retired as executive vice president of the famous hot dog manufacturer, Hupplewhite Inc.] [ clause event: e8 He will succeeded by Harry Himmelfarb] Information Extraction 34 17

18 Confronto: Pattern Matching Entity e1 Type: person name: Sam Schwarts Entity e2 Type: position value: executive vice president company: e3 Entity e3 Entity e5 Entity e6 Entity e7 Entity e8 Type: manufacturer name: Hupplewhite Inc. Type: person Type: person name: Harry Himmelfarb Type: leavejob person: e1 position: e2 Type: succeed person1: e6 person2: e5 Information Extraction 35 Confronto: Analisi di Coreferenza Entity e1 Type: person name: Sam Schwarts Entity e2 Type: position value: executive vice president company: e3 Entity e3 Entity e6 Entity e7 Entity e8 Type: manufacturer name: Hupplewhite Inc. Type: person name: Harry Himmelfarb Type: leavejob person: e1 position: e2 Type: succeed person1: e6 person2: e1 Information Extraction 36 18

19 Inferenza documento Analisi locale del testo Analisi lessicale Riconoscimento dei nomi Analisi sintattica Pattern matching Analisi del discorso Analisi di coreferenza Inferenza Riunisce mediante meccanismi inferenziali informazioni relative ad uno stesso evento presenti in frasi diverse Inferenza Generazione dei template Template estratti Information Extraction 37 Inferenza: esempio Meccanismi inferenziali possono essere implementati tramite i sistemi a produzione: leavejob(xperson,yjob) AND succeed(zperson, Xperson) > startjob(zperson, Yjob) startjob (Xperson,Yjob) AND succeed(xperson, Zperson) > leavejob(zperson, Yjob) Information Extraction 38 19

20 Generazione dei Template documento Analisi locale del testo Analisi lessicale Riconoscimento dei nomi Analisi sintattica Pattern matching Analisi del discorso Analisi di coreferenza Inferenza Generazione dei template Costruzione dei template di output: strutture a frame con slot da riempire con i valori estratti Generazione dei Template Template estratti Information Extraction 39 Esempio EVENT: PERSON: POSITION: COMPANY: leavejob Sam Schwarts executive vice president Hupplewhite Inc. EVENT: PERSON: POSITION: COMPANY: startjob Harry Himmelfarb executive vice president Hupplewhite Inc. Information Extraction 40 20

21 Valutazione R = # True positive # True positive+# False negative IR: misura della frazione dell informazione ritrovata correttamente IE: misura della frazione dell informazione estratta correttamente Information Extraction 41 Valutazione P = # True positive # True positive+# False positive IR: misura della frazione dell informazione ritrovata che risulta corretta IE: si può interpretare come misura della frazione dell informazione estratta che risulta corretta Information Extraction 42 21

22 Alcuni sistemi Autoslog (1993) Riloff, E. Automatically constructing a dictionary for information extraction tasks. Proceedings of the 11th National Conference of Artificial Intelligence (AAAAI93). LIEP (1995) Huffman, S. Learning information extraction patterns from examples. IJCAI95 Workshop on new approaches to learning for natural language processing. Information Extraction 43 Alcuni sistemi PALKA (1995) Kim, J.; Moldovan, D. Acquisition of linguistic patterns for knowledgebased information extraction. IEEE Transactions on Knowledge and Data Engineering 7(5): HASTEN (1995) Krupka, G. Description of the SRA system as used for MUC6. Proceedings of the 6th Message Understanding Conference. CRYSTAL (1995) Soderland, S.; Fisher, D.; Aseltine, J.; Lehnert, W. Crystal: Inducing a conceptual dictionary. Proceedings of the 14th International Joint Conference on Atificial Intelligence (IJCAI95). Information Extraction 44 22

23 Alcuni sistemi RAPIER (1997) Califf, M.; Mooney, R. Relational learning of patternmatch rules for information extraction. ACL97 Workshop on Natural Language Learning. SRV (1998) Freitag, D. Information Extraction fron html: Application of a general learning approach. Proceedings of the 15th Conference on Artificial Intelligence (AAAI98). WHISK (1998) Soderland, S. Learning information extraction rules for semistructured and free text. Machine learning, vol. 34 (Special issue on Natural Language Learning), no. 1/3, pp , Information Extraction 45 23

Introduzione alla Linguistica Computazionale

Introduzione alla Linguistica Computazionale Introduzione alla Linguistica Computazionale Salvatore Sorce Dipartimento di Ingegneria Chimica, Gestionale, Informatica e Meccanica Ludici Adattati da Alessandro Lenci Dipartimento di Linguistica T. Bolelli

Dettagli

2.1 Introduzione ai linguaggi di marcatura

2.1 Introduzione ai linguaggi di marcatura Fondamenti di Informatica Sistemi di Elaborazione delle Informazioni Informatica Applicata 2.1 Introduzione ai linguaggi di marcatura Antonella Poggi Anno Accademico 2012-2013 DIPARTIMENTO DI SCIENZE DOCUMENTARIE

Dettagli

Caso di studio e GATE

Caso di studio e GATE Università Ca Foscari di Venezia Linguistica Informatica Mod. 1 Anno Accademico 2010-2011 Caso di studio e GATE Rocco Tripodi rocco@unive.it I-CAB 1 I-CAB (Italian Content Annotation Bank) Corpus italiano

Dettagli

Linguistica Computazionale. Tokenizzazione

Linguistica Computazionale. Tokenizzazione Linguistica Computazionale Tokenizzazione Sai Tokenizzare (~contare : )) iniziamo giocando poi lavoriamo Quanti token (~parole) nella frase C era una volta un pezzo di legno. Sai Tokenizzare (~contare

Dettagli

Linguaggi di programmazione

Linguaggi di programmazione Linguaggi di programmazione Programmazione L attività con cui si predispone l elaboratore ad eseguire un particolare insieme di azioni su particolari dati, allo scopo di risolvere un problema Dati Input

Dettagli

Machine Learning -1. Seminari di Sistemi Informatici. F.Sciarrone-Università Roma Tre

Machine Learning -1. Seminari di Sistemi Informatici. F.Sciarrone-Università Roma Tre Machine Learning -1 Seminari di Sistemi Informatici Sommario Problemi di apprendimento Well-Posed Esempi di problemi well-posed Progettazione di un sistema di apprendimento Scelta della Training Experience

Dettagli

Università degli studi Roma Tre Dipartimento di informatica ed automazione. Tesi di laurea

Università degli studi Roma Tre Dipartimento di informatica ed automazione. Tesi di laurea Università degli studi Roma Tre Dipartimento di informatica ed automazione Tesi di laurea Reingegnerizzazione ed estensione di uno strumento per la generazione di siti Web Relatore Prof. P.Atzeni Università

Dettagli

Laboratorio Matematico Informatico 2

Laboratorio Matematico Informatico 2 Laboratorio Matematico Informatico 2 (Matematica specialistica) A.A. 2006/07 Pierluigi Amodio Dipartimento di Matematica Università di Bari Laboratorio Matematico Informatico 2 p. 1/1 Informazioni Orario

Dettagli

Processing. Argomenti trattati nella lezione: CONCETTI INTRODUTTIVI NATURAL LANGUAGE ANALYSIS ARCHITETTURA SISTEMA NLA TAGGER PARSER A PPLICAZIONE

Processing. Argomenti trattati nella lezione: CONCETTI INTRODUTTIVI NATURAL LANGUAGE ANALYSIS ARCHITETTURA SISTEMA NLA TAGGER PARSER A PPLICAZIONE Natural Language Processing 1 Argomenti trattati nella lezione: CONCETTI INTRODUTTIVI NATURAL LANGUAGE ANALYSIS ARCHITETTURA SISTEMA NLA STEMMER TAGGER PARSER A PPLICAZIONE Concetti Introduttivi Trattamento

Dettagli

Automatic Ontology-Based Knowledge Extraction from Web Documents

Automatic Ontology-Based Knowledge Extraction from Web Documents Automatic Ontology-Based Knowledge Extraction from Web Documents 5 gennaio 2009 1 Introduzione Al ne di ottenere un eettivo WEB semantico bisogna essere in grado di costruire servizi che consentano l'estrazione

Dettagli

Introduzione. Informatica B. Daniele Loiacono

Introduzione. Informatica B. Daniele Loiacono Introduzione Informatica B Perchè studiare l informatica? Perchè ha a che fare con quasi tutto quello con cui abbiamo a che fare ogni giorno Perché è uno strumento fondamentale per progettare l innovazione

Dettagli

Informatica Documentale

Informatica Documentale Informatica Documentale Ivan Scagnetto (scagnett@dimi.uniud.it) Stanza 3, Nodo Sud Dipartimento di Matematica e Informatica Via delle Scienze, n. 206 33100 Udine Tel. 0432 558451 Ricevimento: giovedì,

Dettagli

1. BASI DI DATI: GENERALITÀ

1. BASI DI DATI: GENERALITÀ 1. BASI DI DATI: GENERALITÀ BASE DI DATI (DATABASE, DB) Raccolta di informazioni o dati strutturati, correlati tra loro in modo da risultare fruibili in maniera ottimale. Una base di dati è usualmente

Dettagli

Estrattore Semantico di Ontologie da DB Relazionali. Luca Macagnino

Estrattore Semantico di Ontologie da DB Relazionali. Luca Macagnino Estrattore Semantico di Ontologie da DB Relazionali Luca Macagnino 1 Obiettivi Estrarre un ontologia da una sorgente di dati relazionale, al fine di rendere disponibili e dotate di semantica le informazioni

Dettagli

Analizzatore lessicale o scanner

Analizzatore lessicale o scanner Analizzatore lessicale o scanner Lo scanner rappresenta un'interfaccia fra il programma sorgente e l'analizzatore sintattico o parser. Lo scanner, attraverso un esame carattere per carattere dell'ingresso,

Dettagli

Intelligenza Artificiale

Intelligenza Artificiale Intelligenza Artificiale Anno accademico 2008-2009 Information Retrieval: Text Categorization Una definizione formale Sia D il dominio dei documenti Sia C = {c 1,,c C } un insieme di categorie predefinite

Dettagli

Analisi ed Estrazione di Informazioni da un Account Email a beneficio delle Imprese

Analisi ed Estrazione di Informazioni da un Account Email a beneficio delle Imprese Analisi ed Estrazione di Informazioni da un Account Email a beneficio delle Imprese Matteo Renzi Relatore: Prof.ssa Sonia Bergamaschi Correlatore: Jim Spohrer 1 Problema numero medio di email scambiate

Dettagli

Università degli Studi di Bologna Bologna, 12/12/2002 Corso di Laurea In Informatica. Alessandro Valenti. Sessione II

Università degli Studi di Bologna Bologna, 12/12/2002 Corso di Laurea In Informatica. Alessandro Valenti. Sessione II Università degli Studi di Bologna Bologna, 12/12/2002 Corso di Laurea In Informatica Alessandro Valenti Sessione II Anno Accademico 2001-2002 SOMMARIO: Scenario Data Integration Il Servizio AnaWeb Web

Dettagli

Generazione Automatica di Asserzioni da Modelli di Specifica

Generazione Automatica di Asserzioni da Modelli di Specifica UNIVERSITÀ DEGLI STUDI DI MILANO BICOCCA FACOLTÀ DI SCIENZE MATEMATICHE FISICHE E NATURALI Corso di Laurea Magistrale in Informatica Generazione Automatica di Asserzioni da Modelli di Specifica Relatore:

Dettagli

Introduzione al Semantic Web

Introduzione al Semantic Web Corso di Laurea Specialistica in Ingegneria Gestionale Corso di Sistemi Informativi Modulo II A. A. 2013-2014 Giuseppe Loseto Dal Web al Semantic Web 2 Dal Web al Semantic Web: Motivazioni Il Web dovrebbe

Dettagli

Data Mining e Analisi dei Dati

Data Mining e Analisi dei Dati e Analisi dei Dati Rosaria Lombardo Dipartimento di Economia, Seconda Università di Napoli La scienza che estrae utili informazioni da grandi databases è conosciuta come E una disciplina nuova che interseca

Dettagli

La Laurea Magistrale in Informatica 2014-15

La Laurea Magistrale in Informatica 2014-15 Università degli studi di Udine La Laurea Magistrale in Informatica 2014-15 Consiglio del Corso di Studi (CCS) in Materie Informatiche Aprile 2014 E-mail: tutoratoinformatica@uniud.it Il piano di studi

Dettagli

Un linguaggio per l estrazione di informazioni da documenti non strutturati

Un linguaggio per l estrazione di informazioni da documenti non strutturati Un linguaggio per l estrazione di informazioni da documenti non strutturati Ermelinda Oro 3 Marco Manna 3 Massimo Ruffolo 1,2 1 Exeura s.r.l. 2 ICAR-CNR - Istituto di Calcolo e Reti ad Alte Prestazioni

Dettagli

I Sistemi Informativi Geografici. Laboratorio GIS 1

I Sistemi Informativi Geografici. Laboratorio GIS 1 I Sistemi Informativi Geografici Laboratorio GIS 1 Sistema Informativo Geografico Strumento computerizzato che permette di posizionare ed analizzare oggetti ed eventi che esistono e si verificano sulla

Dettagli

Applicazioni web centrati sui dati (Data-centric web applications)

Applicazioni web centrati sui dati (Data-centric web applications) Applicazioni web centrati sui dati (Data-centric web applications) 1 ALBERTO BELUSSI ANNO ACCADEMICO 2009/2010 WEB La tecnologia del World Wide Web (WWW) costituisce attualmente lo strumento di riferimento

Dettagli

TECNOLOGIE INFORMATICHE DELLA COMUNICAZIONE ORE SETTIMANALI 2 TIPO DI PROVA PER GIUDIZIO SOSPESO PROVA DI LABORATORIO

TECNOLOGIE INFORMATICHE DELLA COMUNICAZIONE ORE SETTIMANALI 2 TIPO DI PROVA PER GIUDIZIO SOSPESO PROVA DI LABORATORIO CLASSE DISCIPLINA MODULO Conoscenze Abilità e competenze Argomento 1 Concetti di base Argomento 2 Sistema di elaborazione Significato dei termini informazione, elaborazione, comunicazione, interfaccia,

Dettagli

HTML e Linguaggi. Politecnico di Milano Facoltà del Design Bovisa. Prof. Gianpaolo Cugola Dipartimento di Elettronica e Informazione

HTML e Linguaggi. Politecnico di Milano Facoltà del Design Bovisa. Prof. Gianpaolo Cugola Dipartimento di Elettronica e Informazione HTML e Linguaggi Politecnico di Facoltà del Design Bovisa Prof. Gianpaolo Cugola Dipartimento di Elettronica e Informazione cugola@elet.polimi.it http://home.dei.polimi.it/cugola Indice Il linguaggio del

Dettagli

Part of Speech (PoS) Relazioni con la morfologia PARTIAMO DALL INIZIO. Qualche delucidazione

Part of Speech (PoS) Relazioni con la morfologia PARTIAMO DALL INIZIO. Qualche delucidazione 2 BrillTagger: 1 Implementazione di un algoritmo di Machine Learning per il PoS Tagging Anno Accademico 2007/2008 Corso di Elaborazione del Linguaggio Naturale Prof. Amedeo Cappelli PARTIAMO DALL INIZIO

Dettagli

13-03-2013. Introduzione al Semantic Web Linguaggi per la rappresentazione di ontologie. L idea del Semantic Web.

13-03-2013. Introduzione al Semantic Web Linguaggi per la rappresentazione di ontologie. L idea del Semantic Web. Corso di Ontologie e Semantic Web Linguaggi per la rappresentazione di ontologie Prof. Alfio Ferrara, Prof. Stefano Montanelli Definizioni di Semantic Web Rilievi critici Un esempio Tecnologie e linguaggi

Dettagli

CURRICULUM VITAE LEONARDO RIGUTINI

CURRICULUM VITAE LEONARDO RIGUTINI CURRICULUM VITAE LEONARDO RIGUTINI Ufficio Dipartimento Ingegneria dell Informazione Universit di Siena Via Roma, 56-53100 Siena (SI) Fax: 0577 233602 e mail: rigutini@dii.unisi.it Casa Via Dei Grifoni

Dettagli

to Search Services Relatore: Prof. Marco Brambilla Correlatore: Prof. Stefano Ceri Tesi di Laurea di: Matricola 721154

to Search Services Relatore: Prof. Marco Brambilla Correlatore: Prof. Stefano Ceri Tesi di Laurea di: Matricola 721154 Politecnicoo di Milano V Facoltà di Ingegneria Corso di Laurea specialistica a in Ingegneria Informatica Matching Natural Language Multidomain Queries to Search Services Relatore: Prof. Marco Brambilla

Dettagli

Introduzione alla Business Intelligence

Introduzione alla Business Intelligence SOMMARIO 1. DEFINIZIONE DI BUSINESS INTELLIGENCE...3 2. FINALITA DELLA BUSINESS INTELLIGENCE...4 3. DESTINATARI DELLA BUSINESS INTELLIGENCE...5 4. GLOSSARIO...7 BIM 3.1 Introduzione alla Pag. 2/ 9 1.DEFINIZIONE

Dettagli

Metodologia Classica di Progettazione delle Basi di Dati

Metodologia Classica di Progettazione delle Basi di Dati Metodologia Classica di Progettazione delle Basi di Dati Metodologia DB 1 Due Situazioni Estreme Realtà Descritta da un documento testuale che rappresenta un insieme di requisiti del software La maggiore

Dettagli

Text mining ed analisi di dati codificati in linguaggio naturale. Analisi esplorative di dati testuali

Text mining ed analisi di dati codificati in linguaggio naturale. Analisi esplorative di dati testuali Text mining ed analisi di dati codificati in linguaggio naturale Analisi esplorative di dati testuali Il text mining: una definizione Data mining per dati destrutturati ovvero documenti codificati in linguaggio

Dettagli

Esplorazioni e visualizzazioni Rocco Tripodi rocco@unive.it

Esplorazioni e visualizzazioni Rocco Tripodi rocco@unive.it Università Ca Foscari di Venezia Linguistica Informatica Mod. 1 Anno Accademico 2010-2011 Esplorazioni e visualizzazioni Rocco Tripodi rocco@unive.it Schema Input Text Teoria informazione Espressioni Regolari

Dettagli

Analisi dei requisiti e casi d uso

Analisi dei requisiti e casi d uso Analisi dei requisiti e casi d uso Indice 1 Introduzione 2 1.1 Terminologia........................... 2 2 Modello del sistema 4 2.1 Requisiti hardware........................ 4 2.2 Requisiti software.........................

Dettagli

Sistemi elettronici per la sicurezza dei veicoli: presente e futuro. Il ruolo della norma ISO 26262 per la Sicurezza Funzionale

Sistemi elettronici per la sicurezza dei veicoli: presente e futuro. Il ruolo della norma ISO 26262 per la Sicurezza Funzionale La Sicurezza Funzionale del Software Prof. Riccardo Sisto Ordinario di Sistemi di Elaborazione delle Informazioni Dipartimento di Automatica e Informatica Sicurezza Funzionale del Vari Aspetti Sicurezza

Dettagli

2. Correttezza degli algoritmi e complessità computazionale.

2. Correttezza degli algoritmi e complessità computazionale. TEMI DI INFORMATICA GIURIDICA (attenzione: l elenco di domande non pretende di essere esaustivo!) L informatica giuridica 1. Illustrare i principali ambiti di applicazione dell informatica giuridica. 2.

Dettagli

Introduzione alle tecniche di Data Mining. Prof. Giovanni Giuffrida

Introduzione alle tecniche di Data Mining. Prof. Giovanni Giuffrida Introduzione alle tecniche di Data Mining Prof. Giovanni Giuffrida Programma Contenuti Introduzione al Data Mining Mining pattern frequenti, regole associative Alberi decisionali Clustering Esempio di

Dettagli

Siti web centrati sui dati (Data-centric web applications)

Siti web centrati sui dati (Data-centric web applications) Siti web centrati sui dati (Data-centric web applications) 1 A L B E R T O B E L U S S I A N N O A C C A D E M I C O 2 0 1 2 / 2 0 1 3 WEB La tecnologia del World Wide Web (WWW) costituisce attualmente

Dettagli

Le Basi di dati: generalità. Unità di Apprendimento A1 1

Le Basi di dati: generalità. Unità di Apprendimento A1 1 Le Basi di dati: generalità Unità di Apprendimento A1 1 1 Cosa è una base di dati In ogni modello di organizzazione della vita dell uomo vengono trattate informazioni Una volta individuate e raccolte devono

Dettagli

Il World Wide Web. Il Servizio World Wide Web (WWW) WWW WWW WWW WWW. Storia WWW: obbiettivi WWW: tecnologie Le Applicazioni Scenari Futuri.

Il World Wide Web. Il Servizio World Wide Web (WWW) WWW WWW WWW WWW. Storia WWW: obbiettivi WWW: tecnologie Le Applicazioni Scenari Futuri. Il Servizio World Wide Web () Corso di Informatica Generale (Roberto BASILI) Teramo, 20 Gennaio, 2000 Il World Wide Web Storia : obbiettivi : tecnologie Le Applicazioni Scenari Futuri La Storia (1990)

Dettagli

Analisi e catalogazione automatica dei Curriculum Vitae

Analisi e catalogazione automatica dei Curriculum Vitae Analisi e catalogazione automatica dei Curriculum Vitae CV Manager è lo strumento di Text Mining che automatizza l analisi, la catalogazione e la ricerca dei Curriculum Vitae L esigenza Quanto tempo viene

Dettagli

Linguaggi e Paradigmi di Programmazione

Linguaggi e Paradigmi di Programmazione Linguaggi e Paradigmi di Programmazione Cos è un linguaggio Definizione 1 Un linguaggio è un insieme di parole e di metodi di combinazione delle parole usati e compresi da una comunità di persone. È una

Dettagli

ISTITUTO TECNICO ECONOMICO MOSSOTTI

ISTITUTO TECNICO ECONOMICO MOSSOTTI CLASSE III INDIRIZZO S.I.A. UdA n. 1 Titolo: conoscenze di base Conoscenza delle caratteristiche dell informatica e degli strumenti utilizzati Informatica e sistemi di elaborazione Conoscenza delle caratteristiche

Dettagli

Problemi, Algoritmi e Programmi

Problemi, Algoritmi e Programmi MASTER Information Technology Excellence Road (I.T.E.R.) Problemi, Algoritmi e Programmi Maurizio Palesi Salvatore Serrano Master ITER Informatica di Base Maurizio Palesi, Salvatore Serrano 1 Introduzione

Dettagli

Costruzione di Basi di Conoscenza AIML per chatter bot a partire da FAQ e Glossario

Costruzione di Basi di Conoscenza AIML per chatter bot a partire da FAQ e Glossario Peer Reviewed Papers Costruzione di Basi di Conoscenza AIML per chatter bot a partire da FAQ e Glossario Giovanni De Gasperis Dipartimento Ingegneria Elettrica e dell Informazione, Università degli Studi

Dettagli

Rappresentare i file XML - XSL

Rappresentare i file XML - XSL Rappresentare i file XML - XSL Laura Papaleo papaleo@disi.unige.it CSS2, XSL, XSLT, XPath 1 XSL - exstensible Stylesheet Language XSL Raccomandazione del W3C (2001) Per aumentare la flessibilità dello

Dettagli

ELABORAZIONE DEL LINGUAGGIO NATURALE (ELN) 2005/2006 NAMED ENTITY RECOGNITION

ELABORAZIONE DEL LINGUAGGIO NATURALE (ELN) 2005/2006 NAMED ENTITY RECOGNITION ELABORAZIONE DEL LINGUAGGIO NATURALE (ELN) 2005/2006 NAMED ENTITY RECOGNITION Studente: Tranchina Francesco Matricola: 242935 Docente: Prof. Amedeo Cappelli Prima di introdurre la definizione effettiva

Dettagli

Vincenzo Lombardo. Informatica e studio del linguaggio

Vincenzo Lombardo. Informatica e studio del linguaggio Vincenzo Lombardo Informatica e studio del linguaggio L accesso elettronico alla conoscenza vincenzo@mfn.unipmn.it Il linguaggio naturale E il principale veicolo della comunicazione Esistono grandi moli

Dettagli

LINGUAGGI DI PROGRAMMAZIONE LINGUAGGI DI BASSO LIVELLO

LINGUAGGI DI PROGRAMMAZIONE LINGUAGGI DI BASSO LIVELLO LINGUAGGI DI PROGRAMMAZIONE LINGUAGGI DI BASSO LIVELLO Linguaggio macchina Uno per ogni processore o famiglia di processori Linguaggio assembler Versione simbolica di quello macchina. LINGUAGGI DI ALTO

Dettagli

Sistemi Web Tolleranti ai Guasti

Sistemi Web Tolleranti ai Guasti Sistemi Web Tolleranti ai Guasti Candidato: Paolo Romano Relatore: Prof. Salvatore Tucci Correlatore: Prof. Bruno Ciciani Sommario Il problema: garantire semantica exactly once alle transazioni Web. Sistema

Dettagli

Venexia. Fammi la tua domanda...

Venexia. Fammi la tua domanda... Venexia Fammi la tua domanda... Venexia chi sei? Risposta: Io sono Venexia e appartengo alla settima generazione d intelligenze artificiali sviluppate dagli ilabs. Domande collegate: puoi raccontarmi la

Dettagli

Sistemi Informativi Multimediali 1 - Introduzione

Sistemi Informativi Multimediali 1 - Introduzione Che cos è un sistema informativo multimediale? Sistemi Informativi li 1 - Introduzione Augusto Celentano Università Ca Foscari di Venezia Un sistema informativo multimediale (MMDBMS) è un framework che

Dettagli

tesi di laurea Anno Accademico 2004/2005 relatore Ing. Massimo Ficco candidato Pasquale Incarnato Matr. 534/938

tesi di laurea Anno Accademico 2004/2005 relatore Ing. Massimo Ficco candidato Pasquale Incarnato Matr. 534/938 tesi di laurea Anno Accademico 2004/2005 relatore Ing. Massimo Ficco candidato Pasquale Incarnato Matr. 534/938 Obbiettivi del progetto Progettazione ed implementazione di un applicazione, basata su un

Dettagli

Indice generale VIII

Indice generale VIII Indice generale Indice dei box di approfondimento X Prefazione XII Ringraziamenti dell Editore XIV Guida alla lettura XV Capitolo 1 Introduzione 1 1 1 Trattamento dell informazione e strumenti per il trattamento

Dettagli

Progetto e sviluppo di un'applicazione di Question Answering su Knowledge Base eterogenee

Progetto e sviluppo di un'applicazione di Question Answering su Knowledge Base eterogenee Università di Modena e Reggio Emilia Facoltà di Scienze Fisiche, Informatiche e Matematiche Corso di Laurea in Informatica Progetto e sviluppo di un'applicazione di Question Answering su Knowledge Base

Dettagli

www.nltk.org link.nltk un workbench linguistico su Plone Giovanni Toffoli Incontro presso IASI-LEKS del 2 Luglio 2010

www.nltk.org link.nltk un workbench linguistico su Plone Giovanni Toffoli Incontro presso IASI-LEKS del 2 Luglio 2010 www.nltk.org link.nltk un workbench linguistico su Plone Giovanni Toffoli Che cosa è link.nltk link.nltk è un'estensione per Plone che include: un workbench per creare, raffinare e valutare risorse linguistiche

Dettagli

INFORMATICA GENERALE. Prof Alberto Postiglione Dipartim. Scienze della Comunicazione Univ. Salerno. Università degli Studi di Salerno

INFORMATICA GENERALE. Prof Alberto Postiglione Dipartim. Scienze della Comunicazione Univ. Salerno. Università degli Studi di Salerno INFORMATICA GENERALE Prof. Alberto Postiglione Dipartimento Scienze della Comunicazione Università degli Studi di Salerno : Introduzione alla Programmazione Bibliografia 14 apr 2010 Dia 2 Curtin, (vecchie

Dettagli

Introduzione al Calcolo Scientifico

Introduzione al Calcolo Scientifico Introduzione al Calcolo Scientifico Corso di Calcolo Numerico, a.a. 2010/2011 Francesca Mazzia Dipartimento di Matematica Università di Bari Francesca Mazzia (Univ. Bari) Introduzione al Calcolo Scientifico

Dettagli

RICERCA DELL INFORMAZIONE

RICERCA DELL INFORMAZIONE RICERCA DELL INFORMAZIONE DOCUMENTO documento (risorsa informativa) = supporto + contenuto analogico o digitale locale o remoto (accessibile in rete) testuale, grafico, multimediale DOCUMENTO risorsa continuativa

Dettagli

TECNICO SUPERIORE PER LO SVILUPPO DEL SOFTWARE

TECNICO SUPERIORE PER LO SVILUPPO DEL SOFTWARE ISTRUZIONE E FORMAZIONE TECNICA SUPERIORE SETTORE I.C.T. Information and Communication Technology TECNICO SUPERIORE PER LO SVILUPPO DEL SOFTWARE STANDARD MINIMI DELLE COMPETENZE TECNICO PROFESSIONALI DESCRIZIONE

Dettagli

Corso di Laurea in INFORMATICA

Corso di Laurea in INFORMATICA Corso di Laurea in INFORMATICA Algoritmi e Strutture Dati MODULO 2. Algebre di dati Dati e rappresentazioni, requisiti delle astrazioni di dati, costrutti. Astrazioni di dati e dati primitivi. Specifica

Dettagli

XML INVITO ALLO STUDIO EUROPEAN NETWORK OF INNOVATIVE SCHOOLS

XML INVITO ALLO STUDIO EUROPEAN NETWORK OF INNOVATIVE SCHOOLS XML INVITO ALLO STUDIO EUROPEAN NETWORK OF INNOVATIVE SCHOOLS CSS e XML Per formatare i documenti XML è possibile seguire due strade: Quando non c è bisogno della potenza elaborativa di XSL, l utilizzo

Dettagli

Il File System. È la componente del S.O. che si occupa della gestione della memoria di massa e dell organizzazione logica dei dati

Il File System. È la componente del S.O. che si occupa della gestione della memoria di massa e dell organizzazione logica dei dati Il File System È la componente del S.O. che si occupa della gestione della memoria di massa e dell organizzazione logica dei dati Le operazioni supportate da un file system sono: eliminazione di dati modifica

Dettagli

Sommario. Definizione di informatica. Definizione di un calcolatore come esecutore. Gli algoritmi.

Sommario. Definizione di informatica. Definizione di un calcolatore come esecutore. Gli algoritmi. Algoritmi 1 Sommario Definizione di informatica. Definizione di un calcolatore come esecutore. Gli algoritmi. 2 Informatica Nome Informatica=informazione+automatica. Definizione Scienza che si occupa dell

Dettagli

Linguaggi per COMUNICARE. Il linguaggio è un sistema codificato di segni che consente la comunicazione, intesa come scambio di informazioni

Linguaggi per COMUNICARE. Il linguaggio è un sistema codificato di segni che consente la comunicazione, intesa come scambio di informazioni Linguaggi per COMUNICARE Il linguaggio è un sistema codificato di segni che consente la comunicazione, intesa come scambio di informazioni Sintassi e semantica dei linguaggi Un informazione può : Essere

Dettagli

Introduzione al Calcolo Scientifico

Introduzione al Calcolo Scientifico Introduzione al Calcolo Scientifico Corso di Calcolo Numerico, a.a. 2008/2009 Francesca Mazzia Dipartimento di Matematica Università di Bari Francesca Mazzia (Univ. Bari) Introduzione al Calcolo Scientifico

Dettagli

Dispensa 3. 1.1 YACC: generalità

Dispensa 3. 1.1 YACC: generalità Dispensa 3 1.1 YACC: generalità Il tool Yacc (acronimo per Yet Another Compiler Compiler) è uno strumento software che a partire da una specifica grammaticale context free di un linguaggio scritta in un

Dettagli

CORSO DI WEB MINING E RETRIEVAL - INTRODUZIONE AL CORSO -

CORSO DI WEB MINING E RETRIEVAL - INTRODUZIONE AL CORSO - 1 CORSO DI WEB MINING E RETRIEVAL - INTRODUZIONE AL CORSO - Corsi di Laurea in Informatica, Ing. Informatica, Ing. di Internet (a.a. 2013-2014) Roberto Basili 2 Overview WM&R: Motivazioni e prospettive

Dettagli

Riconoscere le caratteristiche funzionali di un Nozioni fondamentali di un sistema operativo.

Riconoscere le caratteristiche funzionali di un Nozioni fondamentali di un sistema operativo. Anno scolastico 2013/2014 PRIMO BIENNIO Corso Diurno Classe : 1 Ai RELAZIONE FINALE DEL DOCENTE di: INFORMATICA BIENNIO PROF./SSA DI FILIPPO OLGA TESTO/I ADOTTATO: INFORMATICA easy ED. JUVENILIA SCUOLA

Dettagli

UniRoma2 - Ingegneria del Software 1 1

UniRoma2 - Ingegneria del Software 1 1 Object Oriented Analysis - OOA La fase di OOA definisce, secondo un approccio ad oggetti, COSA un prodotto software deve fare (mentre la fase di OOD definisce, sempre secondo un approccio ad oggetti, COME

Dettagli

Informatica: Evoluzione dei Linguaggi di Specifica e Programmazione. Informatica: Evoluzione dei Linguaggi di Specifica e Programmazione

Informatica: Evoluzione dei Linguaggi di Specifica e Programmazione. Informatica: Evoluzione dei Linguaggi di Specifica e Programmazione Informatica: Evoluzione dei Linguaggi di Specifica e Programmazione Ugo Montanari Dipartimento di Informatica, Università di Pisa 0 Roadmap Perchè i linguaggi? Che cosa sono i linguaggi? Esempio: i numeri

Dettagli

TECNICO SUPERIORE PER LE APPLICAZIONI INFORMATICHE

TECNICO SUPERIORE PER LE APPLICAZIONI INFORMATICHE ISTRUZIONE E FORMAZIONE TECNICA SUPERIORE SETTORE I.C.T. Information and Communication Technology TECNICO SUPERIORE PER LE APPLICAZIONI INFORMATICHE STANDARD MINIMI DELLE COMPETENZE TECNICO PROFESSIONALI

Dettagli

KNOWLEDGE MANAGEMENT. Knowledge Management. Knowledge: : cos è. Dispense del corso di Gestione della Conoscenza d Impresa

KNOWLEDGE MANAGEMENT. Knowledge Management. Knowledge: : cos è. Dispense del corso di Gestione della Conoscenza d Impresa KNOWLEDGE MANAGEMENT Pasquale Lops Giovanni Semeraro Dispense del corso di Gestione della Conoscenza d Impresa 1/23 Knowledge Management La complessità crescente della società, l esubero di informazioni

Dettagli

Corso di Laurea Specialistica in Ingegneria Informatica. Corso di Linguaggi e Tecnologie Web A. A. 2011-2012. Language) Stylesheet.

Corso di Laurea Specialistica in Ingegneria Informatica. Corso di Linguaggi e Tecnologie Web A. A. 2011-2012. Language) Stylesheet. Corso di Laurea Specialistica in Ingegneria Informatica Corso di Linguaggi e Tecnologie Web A. A. 2011-2012 XSL (extensible( Stylesheet Language) Eufemia TINELLI Contenuti XSL = XSLT + XSL-FO (+ XPath)

Dettagli

Laboratorio di Progettazione e Sviluppo di Sistemi Informatici

Laboratorio di Progettazione e Sviluppo di Sistemi Informatici 1 Laboratorio di Progettazione e Sviluppo di Sistemi Informatici 2 Laboratorio di Progettazione e Sviluppo di Sistemi Informatici Parte del corso intersettoriale "Laboratorio di Progettazione e Sviluppo

Dettagli

Corso di Informatica

Corso di Informatica Corso di Informatica Modulo T2 B1 - Progettazione dei DB 1 Prerequisiti Ciclo di vita del software file system Metodologia di progettazione razionale del software 2 1 Introduzione Per la realizzazione

Dettagli

Tecniche di riconoscimento statistico

Tecniche di riconoscimento statistico On AIR s.r.l. Tecniche di riconoscimento statistico Applicazioni alla lettura automatica di testi (OCR) Parte 5 Tecniche OCR Ennio Ottaviani On AIR srl ennio.ottaviani@onairweb.com http://www.onairweb.com/corsopr

Dettagli

Corso: Sistemi di elaborazione delle informazioni 2. Anno Accademico: 2007/2008. Docente: Mauro Giacomini

Corso: Sistemi di elaborazione delle informazioni 2. Anno Accademico: 2007/2008. Docente: Mauro Giacomini Corso: Sistemi di elaborazione delle informazioni 2. Anno Accademico: 2007/2008. Docente: Mauro Giacomini Organizzazione no-profit per lo sviluppo di standard che fornisce linee guida per: lo scambio la

Dettagli

Modellazione di sistema

Modellazione di sistema Corso di Laurea Specialistica in Ingegneria Informatica Corso di Ingegneria del Software A. A. 2008 - Modellazione di sistema E. TINELLI Contenuti Approcci di analisi Linguaggi di specifica Modelli di

Dettagli

Corso Base. Liceo Norberto Rosa Bussoleno Prof. Angelo GIORGIO

Corso Base. Liceo Norberto Rosa Bussoleno Prof. Angelo GIORGIO Corso Base Liceo Norberto Rosa Bussoleno Prof. Angelo GIORGIO Java Java è un Linguaggio di Programmazione orientato agli oggetti. Un Linguaggio di Programmazione è un linguaggio ad alto livello, dotato

Dettagli

Questo documento riporta informazioni generali sul progetto europeo QALL-ME. Il pubblico al quale si rivolge è ampio e generico e il suo scopo

Questo documento riporta informazioni generali sul progetto europeo QALL-ME. Il pubblico al quale si rivolge è ampio e generico e il suo scopo QALL-ME EXECUTIVE SUMMARY Autore: Bernardo Magnini Presso: ITC-irst, Trento, Italia Introduzione Questo documento riporta informazioni generali sul progetto europeo QALL-ME. Il pubblico al quale si rivolge

Dettagli

I Problemi e la loro Soluzione. Il Concetto Intuitivo di Calcolatore. Risoluzione di un Problema. Esempio

I Problemi e la loro Soluzione. Il Concetto Intuitivo di Calcolatore. Risoluzione di un Problema. Esempio Il Concetto Intuitivo di Calcolatore Fondamenti di Informatica A Ingegneria Gestionale Università degli Studi di Brescia Docente: Prof. Alfonso Gerevini I Problemi e la loro Soluzione Problema: classe

Dettagli

KON 3. Knowledge ON ONcology through ONtology

KON 3. Knowledge ON ONcology through ONtology KON 3 Knowledge ON ONcology through ONtology Obiettivi di KON 3 Scopo di questo progetto èquello di realizzare un sistema di supporto alle decisioni, basato su linee guida e rappresentazione semantica

Dettagli

Alessandra Raffaetà. Basi di Dati

Alessandra Raffaetà. Basi di Dati Lezione 2 S.I.T. PER LA VALUTAZIONE E GESTIONE DEL TERRITORIO Corso di Laurea Magistrale in Scienze Ambientali Alessandra Raffaetà Dipartimento di Informatica Università Ca Foscari Venezia Basi di Dati

Dettagli

Esperienze di Apprendimento Automatico per il corso di Intelligenza Artificiale

Esperienze di Apprendimento Automatico per il corso di Intelligenza Artificiale Esperienze di Apprendimento Automatico per il corso di lippi@dsi.unifi.it Dipartimento Sistemi e Informatica Università di Firenze Dipartimento Ingegneria dell Informazione Università di Siena Introduzione

Dettagli

RISORSE E STRUMENTI LINGUISTICI BILINGUI PER L'ITALIANO E L'ARABO

RISORSE E STRUMENTI LINGUISTICI BILINGUI PER L'ITALIANO E L'ARABO RISORSE E STRUMENTI LINGUISTICI BILINGUI PER L'ITALIANO E L'ARABO EUGENIO PICCHI Istituto di Linguistica Computazionale Consiglio Nazionale delle Ricerche All'interno del progetto "Linguistica Computazionale:

Dettagli

Recensione di Irith Davidzon Maggio 2007. Abstract. Recensione

Recensione di Irith Davidzon Maggio 2007. Abstract. Recensione Beck Isabel, McKeown Margareth, Improving Comprehension with Questioning the Author: A Fresh and Expanded View of a Powerful Approach, Scholastic, New York, 200, pp. 296 Recensione di Irith Davidzon Maggio

Dettagli

Telerilevamento e GIS Prof. Ing. Giuseppe Mussumeci

Telerilevamento e GIS Prof. Ing. Giuseppe Mussumeci Corso di Laurea Magistrale in Ingegneria per l Ambiente e il Territorio A.A. 2014-2015 Telerilevamento e GIS Prof. Ing. Giuseppe Mussumeci Strutture di dati: DB e DBMS DATO E INFORMAZIONE Dato: insieme

Dettagli

Sistemi di Elaborazione delle Informazioni. Corso di Laurea per "Tecnico Ortopedico" 03

Sistemi di Elaborazione delle Informazioni. Corso di Laurea per Tecnico Ortopedico 03 Sistemi di Elaborazione delle Informazioni Corso di Laurea per "Tecnico Ortopedico" a.a. 2002-03 03 Prof. Luigi Borrelli Facoltà di Medicina e Chirurgia Università degli Studi di Napoli - Federico II a.a.

Dettagli

Tecnologie su base semantica e Ubiquitous computing per il supporto alle decisioni in ambito ospedaliero

Tecnologie su base semantica e Ubiquitous computing per il supporto alle decisioni in ambito ospedaliero Tecnologie su base semantica e Ubiquitous computing per il supporto alle decisioni in ambito ospedaliero Michele Ruta Politecnico di Bari Crescenzio Scioscia Policlinico di Bari SMAU Business 2010 10-11

Dettagli

LE FUNZIONALITÀ DEI SISTEMI INFORMATIVI PER AZIENDE AGRICOLE CON ATTIVITÀ DI MONITORAGGIO AD ELEVATA AUTOMAZIONE

LE FUNZIONALITÀ DEI SISTEMI INFORMATIVI PER AZIENDE AGRICOLE CON ATTIVITÀ DI MONITORAGGIO AD ELEVATA AUTOMAZIONE LE FUNZIONALITÀ DEI SISTEMI INFORMATIVI PER AZIENDE AGRICOLE CON ATTIVITÀ DI MONITORAGGIO AD ELEVATA AUTOMAZIONE Pasqualina SACCO Territorium Online, BOLZANO (I) IMPIEGO DELLE TECNOLOGIE INFORMATICHE PER

Dettagli

4, 5 ANNO DELLA SCUOLA PRIMARIA

4, 5 ANNO DELLA SCUOLA PRIMARIA ASCOLTO E PARLATO Intervenire nel dialogo e nella conversazione in modo pertinente. Interagire nello scambio comunicativo formulando domande e risposte adeguate al contesto. Esprimere il proprio punto

Dettagli

LABORATORIO. 2 Lezioni su Basi di Dati Contatti:

LABORATORIO. 2 Lezioni su Basi di Dati Contatti: PRINCIPI DI INFORMATICA CORSO DI LAUREA IN SCIENZE BIOLOGICHE Gennaro Cordasco e Rosario De Chiara {cordasco,dechiara}@dia.unisa.it Dipartimento di Informatica ed Applicazioni R.M. Capocelli Laboratorio

Dettagli

Progettare una basi di dati vuole dire progettare la struttura dei dati e le applicazioni

Progettare una basi di dati vuole dire progettare la struttura dei dati e le applicazioni LA PROGETTAZIONE DI BASI DI DATI Progettare una basi di dati vuole dire progettare la struttura dei dati e le applicazioni La progettazione dei dati è l attività più importante Per progettare i dati al

Dettagli

Principi dell ingegneria del software Relazioni fra

Principi dell ingegneria del software Relazioni fra Sommario Principi dell ingegneria del software Leggere Cap. 3 Ghezzi et al. Principi dell ingegneria del software Relazioni fra Principi Metodi e tecniche Metodologie Strumenti Descrizione dei principi

Dettagli

COMUNICARE LA CITTÀ COME DESTINAZIONE TURISTICA CULTURALE. UN METODO PER VALUTARE LA QUALITÀ. Luisa Mich, Nicola Zeni

COMUNICARE LA CITTÀ COME DESTINAZIONE TURISTICA CULTURALE. UN METODO PER VALUTARE LA QUALITÀ. Luisa Mich, Nicola Zeni COMUNICARE LA CITTÀ COME DESTINAZIONE TURISTICA CULTURALE. UN METODO PER VALUTARE LA QUALITÀ DELLA COMUNICAZIONE ONLINE Luisa Mich, Nicola Zeni Schema [Il problema] L efficacia della comunicazione [L approccio]

Dettagli

Interrogazione strutturata di triple RDF estratte dal linguaggio naturale

Interrogazione strutturata di triple RDF estratte dal linguaggio naturale UNIVERSITA DEGLI STUDI DI CAGLIARI FACOLTÀ DI SCIENZE MATEMATICHE, FISICHE E NATURALI Corso di Laurea in Informatica Interrogazione strutturata di triple RDF estratte dal linguaggio naturale Candidato:

Dettagli

Stefania Marrara - Esercitazioni di Tecnologie dei Sistemi Informativi. Integrazione di dati di sorgenti diverse

Stefania Marrara - Esercitazioni di Tecnologie dei Sistemi Informativi. Integrazione di dati di sorgenti diverse Politecnico di Milano View integration 1 Integrazione di dati di sorgenti diverse Al giorno d oggi d la mole di informazioni che viene gestita in molti contesti applicativi è enorme. In alcuni casi le

Dettagli