Information Extraction
|
|
- Onorato Ceccarelli
- 8 anni fa
- Visualizzazioni
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
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:
Dettagli1. 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
DettagliAnalisi 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.........................
DettagliEstrattore 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
DettagliDatabase. Si ringrazia Marco Bertini per le slides
Database Si ringrazia Marco Bertini per le slides Obiettivo Concetti base dati e informazioni cos è un database terminologia Modelli organizzativi flat file database relazionali Principi e linee guida
DettagliISTITUTO 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
DettagliTECNOLOGIE 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,
DettagliCorso: 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
DettagliGriglia di correzione Fascicolo di Italiano Prova Nazionale anno scolastico 2008-2009
Griglia di correzione Fascicolo di Italiano Prova Nazionale anno scolastico 2008-2009 Il buon nome - Chiavi di risposta e classificazione degli item Item Risposta corretta Ambito di valutazione Processi
Dettaglijeenuin Jeenuin Uno strumentoinnovativoper l ascoltosemantico 17 Ottobre 2013 www.jeenuin.com
jeenuin www.jeenuin.com Jeenuin Uno strumentoinnovativoper l ascoltosemantico 17 Ottobre 2013 La missione di Jeenuin jeenuin www.jeenuin.com Fornire un servizio di Web intelligence di nuova generazione:
DettagliLiceo Tecnologico. Indirizzo Informatico e Comunicazione. Indicazioni nazionali per Piani di Studi Personalizzati
Indirizzo Informatico e Comunicazione Indicazioni nazionali per Piani di Studi Personalizzati Indirizzo Informatico e Comunicazione Discipline con attività di laboratorio 3 4 5 Fisica 132 Gestione di progetto
DettagliStefania 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
DettagliAnalisi 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
DettagliI 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
DettagliTelerilevamento 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
DettagliIntroduzione all Information Retrieval
Introduzione all Information Retrieval Argomenti della lezione Definizione di Information Retrieval. Information Retrieval vs Data Retrieval. Indicizzazione di collezioni e ricerca. Modelli per Information
DettagliIntroduzione. 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
DettagliIL SISTEMA DEI DESCRITTORI EUROPEI PER LE LAUREE E LE LAUREE MAGISTRALI
IL SISTEMA DEI DESCRITTORI EUROPEI PER LE LAUREE E LE LAUREE MAGISTRALI Osservatorio di Ateneo sulla Didattica Università di Siena Servizio Management Didattico Siena, 21 novembre 2006 D.M. sulla disciplina
DettagliTECNICO SUPERIORE PER L INFORMATICA INDUSTRIALE
ISTRUZIONE E FORMAZIONE TECNICA SUPERIORE SETTORE INDUSTRIA E ARTIGIANATO TECNICO SUPERIORE PER L INFORMATICA INDUSTRIALE STANDARD MINIMI DELLE COMPETENZE TECNICO PROFESSIONALI DESCRIZIONE DELLA FIGURA
DettagliLa soluzione Easy Net per l analisi visuale di dati georeferenziati
La soluzione Easy Net per l analisi visuale di dati georeferenziati Copyright Easy Net Srl 2011 L Esigenza individuata Perchè usare EasyDMS 1. Efficacia. Osservazione immediata dei fenomeni di interesse
DettagliAnalizzatore 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,
DettagliProgettaz. e sviluppo Data Base
Progettaz. e sviluppo Data Base! Progettazione Basi Dati: Metodologie e modelli!modello Entita -Relazione Progettazione Base Dati Introduzione alla Progettazione: Il ciclo di vita di un Sist. Informativo
DettagliProgetto ASTREA WP2: Sistema informativo per il monitoraggio del sistema giudiziario
Progetto ASTREA WP2: Sistema informativo per il monitoraggio del sistema giudiziario Nell ambito di questa attività è in fase di realizzazione un applicativo che metterà a disposizione dei policy makers,
Dettagli25/11/14 ORGANIZZAZIONE AZIENDALE. Tecnologie dell informazione e controllo
ORGANIZZAZIONE AZIENDALE 1 Tecnologie dell informazione e controllo 2 Evoluzione dell IT IT, processo decisionale e controllo Sistemi di supporto al processo decisionale IT e coordinamento esterno IT e
DettagliIntroduzione 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
DettagliLinguistica 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
DettagliIl Dipartimento individua conoscenze, abilità e competenze in uscita nel biennio e nel triennio ripartite come segue:
Il Dipartimento individua conoscenze, abilità e competenze in uscita nel biennio e nel triennio ripartite come segue: I AFM / TUR. Introduzione all informatica Conoscenza del pacchetto Office in relazione
DettagliUniversità 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
Dettagliconnessioni tra i singoli elementi Hanno caratteristiche diverse e sono presentati con modalità diverse Tali relazioni vengono rappresentate QUINDI
Documenti su Internet LINGUAGGI DI MARKUP Internet permette (tra l altro) di accedere a documenti remoti In generale, i documenti acceduti via Internet sono multimediali, cioè che possono essere riprodotti
DettagliIL SISTEMA INFORMATIVO
IL SISTEMA INFORMATIVO In un organizzazione l informazione è una risorsa importante al pari di altri tipi di risorse: umane, materiali, finanziarie, (con il termine organizzazione intendiamo un insieme
DettagliUniversità 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
DettagliCAPITOLO CAPIT Tecnologie dell ecnologie dell info inf rmazione e controllo
CAPITOLO 8 Tecnologie dell informazione e controllo Agenda Evoluzione dell IT IT, processo decisionale e controllo Sistemi di supporto al processo decisionale Sistemi di controllo a feedback IT e coordinamento
DettagliObject Oriented Software Design
Dipartimento di Informatica e Sistemistica Antonio Ruberti Sapienza Università di Roma Object Oriented Software Design Corso di Tecniche di Programmazione Laurea in Ingegneria Informatica (Canale di Ingegneria
DettagliPROTOTIPAZIONE DI UN TRADUTTORE DA SORGENTE PLC AD ASSEMBLY DI UNA MACCHINA VIRTUALE
PROTOTIPAZIONE DI UN TRADUTTORE DA SORGENTE PLC AD ASSEMBLY DI UNA MACCHINA VIRTUALE Relatore: prof. Michele Moro Laureando: Marco Beggio Corso di laurea in Ingegneria Informatica Anno Accademico 2006-2007
DettagliProgrammazione per la disciplina Informatica PROGRAMMAZIONE DI MATERIA: INFORMATICA SECONDO BIENNIO AMMINISTRAZIONE FINANZA E MARKETING
ISTITUTO ISTRUZIONE SUPERIORE TUROLDO ZOGNO Procedura Pianificazione, erogazione e controllo attività didattiche e formative Programmazione per la disciplina Informatica PROGRAMMAZIONE DI MATERIA: INFORMATICA
DettagliArchivi e database. Prof. Michele Batocchi A.S. 2013/2014
Archivi e database Prof. Michele Batocchi A.S. 2013/2014 Introduzione L esigenza di archiviare (conservare documenti, immagini, ricordi, ecc.) è un attività senza tempo che è insita nell animo umano Primi
DettagliIl software impiegato su un computer si distingue in: Sistema Operativo Compilatori per produrre programmi
Il Software Il software impiegato su un computer si distingue in: Software di sistema Sistema Operativo Compilatori per produrre programmi Software applicativo Elaborazione testi Fogli elettronici Basi
DettagliDispensa di Informatica I.1
IL COMPUTER: CONCETTI GENERALI Il Computer (o elaboratore) è un insieme di dispositivi di diversa natura in grado di acquisire dall'esterno dati e algoritmi e produrre in uscita i risultati dell'elaborazione.
DettagliSistemi 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.
DettagliMinistero dell istruzione, dell università e della ricerca. Liceo Tecnologico. Indirizzo Informatico, Grafico e Comunicazione
Ministero dell istruzione, dell università e della ricerca Liceo Tecnologico Indirizzo Informatico, Grafico e Comunicazione Percorso Informatico e Comunicazione Indicazioni nazionali per i Piani di Studio
DettagliPiano di gestione della qualità
Piano di gestione della qualità Pianificazione della qualità Politica ed obiettivi della qualità Riferimento ad un eventuale modello di qualità adottato Controllo della qualità Procedure di controllo.
DettagliTECNICO SUPERIORE PER L AUTOMAZIONE INDUSTRIALE
ISTRUZIONE E FORMAZIONE TECNICA SUPERIORE SETTORE INDUSTRIA E ARTIGIANATO TECNICO SUPERIORE PER L AUTOMAZIONE INDUSTRIALE STANDARD MINIMI DELLE COMPETENZE TECNICO PROFESSIONALI DESCRIZIONE DELLA FIGURA
Dettagli2. 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.
DettagliIntroduzione 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
DettagliPROGRAMMAZIONE SCUOLA PRIMARIA - CLASSE TERZA
CURRICOLO D ISTITUTO COMPRENDERE COMUNICARE RIFLETTERE RIELABORARE PROGRAMMAZIONE SCUOLA PRIMARIA - CLASSE TERZA AREA DEI LINGUAGGI (italiano, lingua inglese, musica, arte e immagine) TRAGUARDI PER LO
DettagliRiconoscere 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
DettagliProgettazione di Basi di Dati
Progettazione di Basi di Dati Prof. Nicoletta D Alpaos & Prof. Andrea Borghesan Entità-Relazione Progettazione Logica 2 E il modo attraverso il quale i dati sono rappresentati : fa riferimento al modello
DettagliDicembre 2004 Definiscono quali sono i risultati dell apprendimento (learning outcomes) comuni a tutti i laureati di un corso di studio
Dicembre 2004 Definiscono quali sono i risultati dell apprendimento (learning outcomes) comuni a tutti i laureati di un corso di studio I risultati dell apprendimento devono essere espressi non solo in
DettagliPIANO DI LAVORO (a.s. 2015/2016)
Istituto Tecnico Commerciale Statale e per Geometri E. Fermi Pontedera (Pi) Via Firenze, 51 - Tel. 0587/213400 - Fax 0587/52742 http://www.itcgfermi.it E-mail: mail@itcgfermi.it PIANO DI LAVORO (a.s. 2015/2016)
DettagliAnno scolastico 2015 / 2016. Piano di lavoro individuale. ITE Falcone e Borsellino. Classe: IV ITE. Insegnante: DEGASPERI EMANUELA
Anno scolastico 2015 / 2016 Piano di lavoro individuale ITE Falcone e Borsellino Classe: IV ITE Insegnante: DEGASPERI EMANUELA Materia: LABORATORIO DI INFORMATICA ISS BRESSANONE-BRIXEN LICEO SCIENTIFICO
DettagliBase di dati e sistemi informativi
Base di dati e sistemi informativi Una base di dati è un insieme organizzato di dati opportunamente strutturato per lo svolgimento di determinate attività La base di dati è un elemento fondamentale per
DettagliMATERIA: INFORMATICA CLASSI: PRIME TERZE QUARTE SECONDE QUINTE
Mod. DIP/FUNZ 1 - TRIENNIO MATERIA: INFORMATICA CLASSI: PRIME TERZE SECONDE QUARTE QUINTE INDIRIZZI : Amministrazione, Finanza e marketing Scienze bancarie, finanziarie e assicurative Nodi concettuali
DettagliProgrammare in ambiente Java Enterprise: l offerta formativa di Infodue
Tecnologia e professionalità al servizio del business, dal 1986 Programmare in ambiente Java Enterprise: l offerta Copyright 2006 Infodue S.r.l. La programmazione nell era era del Web Computing L evoluzione
DettagliCorso di Informatica
Corso di Informatica Modulo T2 3-Compilatori e interpreti 1 Prerequisiti Principi di programmazione Utilizzo di un compilatore 2 1 Introduzione Una volta progettato un algoritmo codificato in un linguaggio
DettagliCERTIFICAZIONE DELLE COMPETENZE: indicatori e livelli
(1) ASSE DEI LINGUAGGI : ITALIANO CERTIFICAZIONE DELLE COMPETENZE: indicatori e livelli 1. Padroneggia gli strumenti espressivi ed argomentativi indispensabili per gestire l interazione comunicativa verbale
DettagliCorso di Basi di Dati e Conoscenza
Corso di Basi di Dati e Conoscenza Gestione dei Dati e della Conoscenza Primo Emicorso - Basi di Dati Roberto Basili a.a. 2012/13 1 Obbiettivi Formativi Scenario Le grandi quantità di dati accumulate nelle
DettagliUniversità Politecnica delle Marche. Progetto Didattico
Università Politecnica delle Marche Facoltà di Ingegneria Corso di Laurea in Ingegneria Informatica e dell Automazione Sede di Ancona Anno Accademico 2011-2012 Corso di Tecnologie WEB Docente prof. Alessandro
DettagliINFORMATICA LE470. Ipertesto. Facoltà di Lettere e Filosofia anno accademico 2008/2009 secondo semestre
INFORMATICA LE470 Ipertesto Facoltà di Lettere e Filosofia anno accademico 2008/2009 secondo semestre Il World Wide Web un immenso ipertesto Le pagine Web non sono basate su una struttura lineare. E possibile
DettagliSommario. 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
DettagliLe competenze per la gestione e lo sviluppo delle risorse umane nelle università e negli enti di ricerca
Scuola di Management per le Università, gli Enti di ricerca e le Istituzioni Scolastiche Le competenze per la gestione e lo sviluppo delle risorse umane nelle università e negli enti di ricerca Dott. William
DettagliApplicazioni 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
DettagliPROGETTO EM.MA PRESIDIO
PROGETTO EM.MA PRESIDIO di PIACENZA Bentornati Il quadro di riferimento di matematica : INVALSI e TIMSS A CONFRONTO LE PROVE INVALSI Quadro di riferimento per la valutazione Quadro di riferimento per i
DettagliALGEBRA DELLE PROPOSIZIONI
Università di Salerno Fondamenti di Informatica Corso di Laurea Ingegneria Corso B Docente: Ing. Giovanni Secondulfo Anno Accademico 2010-2011 ALGEBRA DELLE PROPOSIZIONI Fondamenti di Informatica Algebra
DettagliText 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
DettagliL implementazione nel sistema Italia delle specifiche tecniche di ECVET
L implementazione nel sistema Italia delle specifiche tecniche di Luogo Presentazione: Vicenza Autore: Data: giovedì 12 giugno 2014 ESCO PROCESSI INTEGRATI Europass NQS ECTS Sistema dei crediti HE EQF
Dettaglito 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
DettagliRICERCA 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
DettagliCaratteristiche 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/
Dettagli4, 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
DettagliL analisi dell attività
L analisi dell attività PROCESSO ITERATIVO VALUTAZIONE ANALISI PROTOTIPAZIONE 2/3 CICLI DESIGN/REDESIGN ANALISI: definire i requisiti di design 1.Analisi Etnografica 2.Task Analysis VALUTAZIONE ANALISI
DettagliEXPLOit Content Management Data Base per documenti SGML/XML
EXPLOit Content Management Data Base per documenti SGML/XML Introduzione L applicazione EXPLOit gestisce i contenuti dei documenti strutturati in SGML o XML, utilizzando il prodotto Adobe FrameMaker per
DettagliMISSIONE AZIENDALE TRAMITE
MISSIONE AZIENDALE progettazione, realizzazione, integrazione e conduzione di sistemi complessi con l utilizzo di nuove tecnologie per aziende ed enti pubblici TRAMITE Ricerca e Sviluppo per l ideazione,
DettagliPIANO DI STUDIO PERSONALIZZATO CLASSI SECONDE E TERZE PRIMO BIENNIO
PIANO DI STUDIO PERSONALIZZATO CLASSI SECONDE E TERZE PRIMO BIENNIO ITALIANO INDICATORE DISCIPLINARE Sviluppare le abilità di base come l ascoltare, il parlare, il leggere e lo scrivere per maturare padronanza
DettagliAnno Scolastico: 2014/2015. Indirizzo: Relazioni Internazionali. Classe: terza. Disciplina: Tecnologie della Comunicazione.
Anno Scolastico: 2014/2015 Indirizzo: Relazioni Internazionali Classe: terza Disciplina: Tecnologie della Comunicazione prof. Secondo biennio Competenze disciplinari: 1. Identificare e applicare le metodologie
DettagliTECNICHE DI SIMULAZIONE
TECNICHE DI SIMULAZIONE INTRODUZIONE Francesca Mazzia Dipartimento di Matematica Università di Bari a.a. 2004/2005 TECNICHE DI SIMULAZIONE p. 1 Introduzione alla simulazione Una simulazione è l imitazione
DettagliINFORMATICA 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
DettagliSIRED Sistema informativo di raccolta ed elaborazione dati sul movimento turistico
SIRED Sistema informativo di raccolta ed elaborazione dati sul movimento turistico Il sistema della Regione Autonoma della Sardegna per la raccolta, gestione ed elaborazione di dati statistici sul turismo
DettagliDatabase. Appunti di Amaranto Oronzo e Giancane Diego Lezione dell Ing. Lucia Vaira 24/04/2014
Database Appunti di Amaranto Oronzo e Giancane Diego Lezione dell Ing. Lucia Vaira 24/04/2014 Cos'è un database? È una struttura di dati composta da tabelle a loro volta composte da campi. Caratteristiche
DettagliITI M. FARADAY Programmazione modulare a.s. 2014-2015
Indirizzo: INFORMATICA E TELECOMUNICAZIONI Disciplina: Informatica Docente:Maria Teresa Niro Classe: Quinta B Ore settimanali previste: 6 (3 ore Teoria - 3 ore Laboratorio) ITI M. FARADAY Programmazione
DettagliRealizzazione di Web Service per l estrazione di informazioni da siti web enciclopedici
tesi di laurea Realizzazione di Web Service per l estrazione di informazioni da siti web enciclopedici Anno Accademico 2008/2009 relatore Ch.mo prof. Porfirio Tramontana Ch.mo prof. Annarita Fasolino candidato
DettagliDescrizione di un algoritmo
Descrizione di un algoritmo Un algoritmo descrive due tipi fondamentali di oper: calcoli ottenibili tramite le oper primitive su tipi di dato (valutazione di espressioni) che consistono nella modifica
DettagliLinguaggi 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
DettagliSistemi 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
DettagliNUCLEO 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
DettagliCiclo di vita del software: Tipologie di software
Operatore Giuridico d Impresa Informatica Giuridica A.A 2005/2006 II Semestre Ciclo di vita del software: Tipologie di software Lezione 2 prof. Monica Palmirani Hardware e Software - prima definizione
DettagliDSCube. L analisi dei dati come strumento per i processi decisionali
DSCube L analisi dei dati come strumento per i processi decisionali Analisi multi-dimensionale dei dati e reportistica per l azienda: DSCube Introduzione alla suite di programmi Analyzer Query Builder
DettagliSiti 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
DettagliAppunti del corso di Informatica 1 (IN110 Fondamenti) 4 Linguaggi di programmazione
Università Roma Tre Dipartimento di Matematica e Fisica Corso di Laurea in Matematica Appunti del corso di Informatica 1 (IN110 Fondamenti) 4 Linguaggi di programmazione Marco Liverani (liverani@mat.uniroma3.it)
DettagliSCUOLA PRIMARIA OBIETTIVI DI APPRENDIMENTO
SCUOLA PRIMARIA TECNOLOGIA classe 1^ COMPETENZE CHIAVE Competenza in campo scientifico-tecnologico Competenza digitale Imparare a imparare TRAGUARDI PER LO SVILUPPO DELLE COMPETENZE L alunno: riconosce
DettagliI 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
DettagliFasi di creazione di un programma
Fasi di creazione di un programma 1. Studio Preliminare 2. Analisi del Sistema 6. Manutenzione e Test 3. Progettazione 5. Implementazione 4. Sviluppo 41 Sviluppo di programmi Per la costruzione di un programma
DettagliQuestion Answering e semantica Tecnologie emergenti per le imprese. IKL 08 - Intercultural Knowledge Landscapes
Question Answering e semantica Tecnologie emergenti per le imprese Cos è QuestIT? QuestIT nasce nell ambito di attività di ricerca in Intelligenza Artificiale presso il Dipartimento di Ingegneria dell
DettagliLegge e apprende nozioni in qualsiasi lingua, le contestualizza ed è in grado di elaborarle e riutilizzarle quando serve
More than human, XSENSE è la prima Intelligenza Artificiale in grado di simulare il processo cognitivo di un essere umano nell imparare il linguaggio umano, in completa autonomia e senza configurazioni
DettagliInformatica B a.a 2005/06 (Meccanici 4 squadra) PhD. Ing. Michele Folgheraiter
Informatica B a.a 2005/06 (Meccanici 4 squadra) Scaglione: da PO a ZZZZ PhD. Ing. Michele Folgheraiter Architettura del Calcolatore Macchina di von Neumann Il calcolatore moderno è basato su un architettura
DettagliDatabase: collezione di fatti, registrabili e con un ben preciso significato, relazionati fra di loro
Database relazionali: un'introduzione Database: collezione di fatti, registrabili e con un ben preciso significato, relazionati fra di loro Rappresentazione astratta di aspetti del mondo reale (Universe
DettagliLa riforma del servizio di distribuzione del
CReSV Via Röntgen, 1 Centro Ricerche su Sostenibilità e Valore 20136 Milano tel +39 025836.3626 La riforma del servizio di distribuzione del 2013 gas naturale In collaborazione con ASSOGAS Gli ambiti territoriali
DettagliXML. XML è contemporaneamente: XML non è:
XML XML è contemporaneamente: Linguaggio di annotazione (Markup) che permette di creare gruppi di marcatori (tag set) personalizzati (MathML, XHTML, chemicalml, ecc..) Formato standard per lo scambio dei
DettagliIntroduzione alle basi di dati. Gestione delle informazioni. Gestione delle informazioni. Sistema informatico
Introduzione alle basi di dati Introduzione alle basi di dati Gestione delle informazioni Base di dati Modello dei dati Indipendenza dei dati Accesso ai dati Vantaggi e svantaggi dei DBMS Gestione delle
DettagliInformatica per la Storia dell Arte Anno Accademico 2014/2015 Docente: ing. Salvatore Sorce
DIPARTIMENTO DI INGEGNERIA CHIMICA, GESTIONALE, INFORMATICA, MECCANICA Informatica per la Storia dell Arte Anno Accademico 2014/2015 Docente: ing. Salvatore Sorce Organizzazione applicazioni multimediali.
DettagliI disturbi di comprensione del testo scritto
I disturbi di comprensione del testo scritto Le difficoltà nella comprensione del testo sono pervasive e difficili da identificare. L insegnante avverte una sensazione di disagio nell interazione con il
Dettagli