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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

Università degli Studi di Modena e Reggio Emilia Facoltà di Ingegneria sede di Modena Corso di Laurea VOD in Ingegneria Informatica

Università degli Studi di Modena e Reggio Emilia Facoltà di Ingegneria sede di Modena Corso di Laurea VOD in Ingegneria Informatica Università degli Studi di Modena e Reggio Emilia Facoltà di Ingegneria sede di Modena Corso di Laurea VOD in Ingegneria Informatica PROGETTO E REALIZZAZIONE DELL ALGORITMO DI ANNOTAZIONE AUTOMATICA TUCUXI

Dettagli

LA TECHNOLOGY TRANSFER PRESENTA JAMES ROMA 18-19 MAGGIO 2015 ROMA 20-21 MAGGIO 2015 VISCONTI PALACE HOTEL - VIA FEDERICO CESI, 37

LA TECHNOLOGY TRANSFER PRESENTA JAMES ROMA 18-19 MAGGIO 2015 ROMA 20-21 MAGGIO 2015 VISCONTI PALACE HOTEL - VIA FEDERICO CESI, 37 LA TECHNOLOGY TRANSFER PRESENTA JAMES HOBART MOBILE DESIGN FOR ENTERPRISE USER EXPERIENCE (UX) DESIGN ROMA 18-19 MAGGIO 2015 ROMA 20-21 MAGGIO 2015 VISCONTI PALACE HOTEL - VIA FEDERICO CESI, 37 info@technologytransfer.it

Dettagli

Data Mining: Applicazioni

Data Mining: Applicazioni Sistemi Informativi Universitá degli Studi di Milano Facoltá di Scienze Matematiche, Fisiche e Naturali Dipartimento di Tecnologie dell Informazione 1 Giugno 2007 Data Mining Perché il Data Mining Il Data

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

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

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

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

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

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

Documentazione Demo online

Documentazione Demo online READ-IT Documentazione Demo online ILC-CNR ItaliaNLP Lab Sommario 1 MISURAZIONE DELLA LEGGIBILITÀ DI UN TESTO 2 1.1 Analisi globale della leggibilità 3 1.1.1 Valutazione globale della leggibilità del documento

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

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

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

LA VALUTAZIONE AUTOMATICA DELL USABILITA DI SITI WEB

LA VALUTAZIONE AUTOMATICA DELL USABILITA DI SITI WEB LA VALUTAZIONE AUTOMATICA DELL USABILITA DI SITI WEB L.Paganelli, F.Paternò, M.Pizzolati CNUCE-C.N.R. Via G.Moruzzi 1, Pisa L'usabilità dei siti web si sta affermando come un elemento determinante per

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

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

Progettazione e sviluppo di una composizione di servizi web

Progettazione e sviluppo di una composizione di servizi web Progettazione e sviluppo di una composizione di servizi web Progetto di Tecnologie dei Servizi I Alessandro Marrandino Matr. 739695 Sommario In questo documento è descritto il lavoro svolto per realizzare

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

4th International Conference in Software Engineering for Defence Applications SEDA 2015

4th International Conference in Software Engineering for Defence Applications SEDA 2015 me Ho CALL FOR PAPERS: 4th International Conference in Software Engineering for Defence Applications SEDA 2015 Software Engineering aims at modeling, managing and implementing software development products

Dettagli

TRATTAMENTO DI TESTI ITALIANI: STRUMENTI, RISORSE E PROBLEMI

TRATTAMENTO DI TESTI ITALIANI: STRUMENTI, RISORSE E PROBLEMI Isabella Chiari TRATTAMENTO DI TESTI ITALIANI: STRUMENTI, RISORSE E PROBLEMI 1 CORPORA E APPLICAZIONI Perché la linguistica dei corpora è oggi tanto rilevante? Come si integra la linguistica dei corpora

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

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

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

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

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

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

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

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

PROGRAMMA DI INFORMATICA

PROGRAMMA DI INFORMATICA PROGRAMMA DI INFORMATICA A.S. 2014-2015 CLASSE IV SEZ. A INDIRIZZO SIA PROF. Pascarelli Anna Lucia I.T.P. Robilotta Alessandro MODULO 1 : LA PROGRAMMAZIONE VISUALE Unità Didattica 1 : L ambiente di programmazione

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

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

Ingegneria del Software Introduzione

Ingegneria del Software Introduzione Ingegneria del Software Introduzione 1 Anni 40 Mark I Università di Manchester (1948) 2 Anni 40 Nascono i primi calcolatori presso università ed enti militari di ricerca Problema: ottenere qualcosa di

Dettagli

Sistemi Informativi e WWW

Sistemi Informativi e WWW Premesse Sistemi Informativi e WWW WWW: introduce un nuovo paradigma di diffusione (per i fornitori) e acquisizione (per gli utilizzatori) delle informazioni, con facilità d uso, flessibilità ed economicità

Dettagli

MAX DOLGICER. Quando SOA non è sufficiente: Ottenere Agilità con il BUSINESS PROCESS EVENT

MAX DOLGICER. Quando SOA non è sufficiente: Ottenere Agilità con il BUSINESS PROCESS EVENT LA TECHNOLOGY TRANSFER PRESENTA MAX DOLGICER Quando SOA non è sufficiente: Ottenere Agilità con il BUSINESS PROCESS EVENT ROMA 23-25 GIUGNO 2008 RESIDENZA DI RIPETTA - VIA DI RIPETTA, 231 info@technologytransfer.it

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

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

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

Nuove Tecnologie per la Traduzione

Nuove Tecnologie per la Traduzione Nuove Tecnologie per la Traduzione Roma, Tor Vergata,LINFO Giuseppe Forte María Lozano Zahonero Sandra Petroni Contenuti del seminario TEORIA 1. Dalla traduzione automatica alla traduzione assistita 2.

Dettagli

Ingegneria del Software

Ingegneria del Software Ingegneria del Software Analisi Strutturata - DFD Data Flow Diagram Rappresenta le trasformazioni che i dati subiscono nel loro flusso all interno del sistema Ogni sistema di elaborazione effettua una

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

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

DATA MINING E DATA WAREHOUSE

DATA MINING E DATA WAREHOUSE Reti e sistemi informativi DATA MINING E DATA WAREHOUSE Marco Gottardo FONTI Wikipedia Cineca Università di Udine, Dipartimento di fisica, il data mining scientifico thepcweb.com DATA MINING 1/2 Il Data

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

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

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

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

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

NUCLEO FONDANTE CONOSCENZE ABILITA' COMPETENZE

NUCLEO FONDANTE CONOSCENZE ABILITA' COMPETENZE CURRICOLO DI LINGUA ITALIANA - CLASSE TERZA NUCLEO FONDANTE CONOSCENZE ABILITA' COMPETENZE ASCOLTO E PARLATO Strategie essenziali dell ascolto. Processi di controllo da mettere in atto durante l ascolto

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

Introduzione alla codifica XML per i testi umanistici

Introduzione alla codifica XML per i testi umanistici Introduzione alla codifica XML per i testi umanistici Daniele Silvi, Domenico Fiormonte, Fabio Ciotti fiormont@uniroma3.it - silvi@lettere.uniroma2.it - ciotti@lettere.uniroma2.it 1 La digitalizzazione

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

Dipartimento di informatica CONTENUTI MINIMI DI INFORMATICA E TECNOLOGIE DELLA COMUNICAZIONE

Dipartimento di informatica CONTENUTI MINIMI DI INFORMATICA E TECNOLOGIE DELLA COMUNICAZIONE CONTENUTI MINIMI DI INFORMATICA E TECNOLOGIE DELLA COMUNICAZIONE CLASSE PRIMA INDIRIZZI: AMMINISTRAZIONE FINANZA E MARKETING, RELAZIONI INTERNAZIONALE PER IL MARKETING, SISTEMI INFORMATIVI SPORTIVO pag.2

Dettagli

Corso di Progettazione di sistemi multimediali

Corso di Progettazione di sistemi multimediali Corso di Progettazione di sistemi multimediali prof. Pierluigi Feliciati a.a.2012/13 Modulo 0 Progettare, sistemi, multimedialità: Definizioni, strumenti, ciclo di vita dei progetti, figure professionali

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

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

Fondamenti di Informatica 7. Linguaggi di programmazione

Fondamenti di Informatica 7. Linguaggi di programmazione I linguaggi di alto livello Fondamenti di Informatica 7. Linguaggi di programmazione Introduzione alla programmazione Caratteristiche dei linguaggi di programmazione I linguaggi di programmazione di alto

Dettagli

FormScape V3.1: SUPPORTO XML

FormScape V3.1: SUPPORTO XML FormScape V3.1: SUPPORTO Maggio 2004 FormScape V3, la Soluzione Intelligente per Creare, Gestire, Visualizzare e Distribuire i Tuoi Documenti FormScape V3 Page 1 Introduzione Il formato si sta affermando

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

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

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 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

CALENDARIO ATTIVITÀ. (Biennio 2013-2014 / 2014-2015)

CALENDARIO ATTIVITÀ. (Biennio 2013-2014 / 2014-2015) CALENDARIO ATTIVITÀ (Biennio 2013-2014 / 2014-2015) Nº / MODULO MATERIALI 00 Primo esercizio di traduzione: traduzione convenzionale vs. traduzione applicata alle nuove tecnologie dal 15 al 30 novembre

Dettagli

Tecniche Multimediali

Tecniche Multimediali Chiedersi se un computer possa pensare non è più interessante del chiedersi se un sottomarino possa nuotare Edsger Dijkstra (The threats to computing science) Tecniche Multimediali Corso di Laurea in «Informatica»

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

Information Extraction

Information Extraction Sistemi di Elaborazione dell informazione II Corso di Laurea Specialistica in Ingegneria Telematica II anno 4 CFU Università Kore Enna A.A. 2009-2010 Alessandro Longheu http://www.diit.unict.it/users/alongheu

Dettagli

Data Base. Prof. Filippo TROTTA

Data Base. Prof. Filippo TROTTA Data Base Definizione di DataBase Un Database può essere definito come un insieme di informazioni strettamente correlate, memorizzate su un supporto di memoria di massa, costituenti un tutt uno, che possono

Dettagli

ISTITUTO TECNICO ECONOMICO AMBROGIO FUSINIERI VICENZA PROGRAMMAZIONE ATTIVITA' DIDATTICA A.S. 2014-2015 MATERIA: TECNOLOGIE DELLA COMUNICAZIONE

ISTITUTO TECNICO ECONOMICO AMBROGIO FUSINIERI VICENZA PROGRAMMAZIONE ATTIVITA' DIDATTICA A.S. 2014-2015 MATERIA: TECNOLOGIE DELLA COMUNICAZIONE ISTITUTO TECNICO ECONOMICO AMBROGIO FUSINIERI VICENZA Via G. D Annunzio, 15-36100 VICENZA Tel. 0444563544 Fax 0444962574 sito web: www.itcfusinieri.eu E-mail: protocollo@itcfusinieri.it - vitd010003@pec.istruzione.it

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

Informatica 3. Informatica 3. LEZIONE 10: Introduzione agli algoritmi e alle strutture dati. Lezione 10 - Modulo 1. Importanza delle strutture dati

Informatica 3. Informatica 3. LEZIONE 10: Introduzione agli algoritmi e alle strutture dati. Lezione 10 - Modulo 1. Importanza delle strutture dati Informatica 3 Informatica 3 LEZIONE 10: Introduzione agli algoritmi e alle strutture dati Modulo 1: Perchè studiare algoritmi e strutture dati Modulo 2: Definizioni di base Lezione 10 - Modulo 1 Perchè

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

Metodologie Informatiche applicate al Turismo

Metodologie Informatiche applicate al Turismo Metodologie Informatiche applicate al Turismo 11. Realizzare Siti Dinamici e Applicazioni Web Paolo Milazzo Dipartimento di Informatica, Università di Pisa http://www.di.unipi.it/ milazzo milazzo di.unipi.it

Dettagli

MACHINE LEARNING e DATA MINING Introduzione. a.a.2015/16 Jessica Rosati jessica.rosati@poliba.it

MACHINE LEARNING e DATA MINING Introduzione. a.a.2015/16 Jessica Rosati jessica.rosati@poliba.it MACHINE LEARNING e DATA MINING Introduzione a.a.2015/16 Jessica Rosati jessica.rosati@poliba.it Apprendimento Automatico(i) Branca dell AI che si occupa di realizzare dispositivi artificiali capaci di

Dettagli

Corso di Red. e Pres. Prog. Inf. Lezione del 20-10-2006 Esercitatore: ing. Andrea Gualtieri. La lezione di oggi

Corso di Red. e Pres. Prog. Inf. Lezione del 20-10-2006 Esercitatore: ing. Andrea Gualtieri. La lezione di oggi La lezione di oggi Analisi dei requisiti RISORSE E INFORMAZIONI Richieste ORGANIZZAZIONE Servizi/ Prodotti PROCESSI E PROCEDURE Analisi dei requisiti: i processi Classificazione secondo Porter: la catena

Dettagli

UNIVERSITÀ DEGLI STUDI

UNIVERSITÀ DEGLI STUDI UNIVERSITÀ DEGLI STUDI DI MODENA E REGGIO EMILIA Facoltà di Scienze Matematiche, Fisiche e Naturali Corso di Laurea in Informatica Progettazione e Sviluppo di un Sistema di Risposta Automatico per la Richiesta

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

Caratteristiche principali. Contesti di utilizzo

Caratteristiche principali. Contesti di utilizzo Dalle basi di dati distribuite alle BASI DI DATI FEDERATE Antonella Poggi Dipartimento di Informatica e Sistemistica Antonio Ruberti Università di Roma La Sapienza Anno Accademico 2006/2007 http://www.dis.uniroma1.it/

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

Vocabolario & Terminologie Informatiche

Vocabolario & Terminologie Informatiche Vocabolario & Terminologie Informatiche HARWARE: In ingegneria elettronica e informatica con il termine hardware si indica la parte fisica di un computer, ovvero tutte quelle parti elettroniche, elettriche,

Dettagli

XML: sintassi. Prof. Carlo Blundo Tecnologie di Sviluppo per il Web 1

XML: sintassi. Prof. Carlo Blundo Tecnologie di Sviluppo per il Web 1 XML: sintassi Prof. Carlo Blundo Tecnologie di Sviluppo per il Web 1 Cosa è XML 1 XML (Extensible Markup Language ) è un linguaggio di markup È stato progettato per lo scambio e la interusabilità di documenti

Dettagli