LARGE SCALE RECOMMENDER SYSTEMS

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "LARGE SCALE RECOMMENDER SYSTEMS"

Transcript

1 Scuola Politecnica e delle Scienze di Base Corso di Laurea in Ingegneria Informatica Elaborato finale in Basi di Dati LARGE SCALE RECOMMENDER SYSTEMS Anno Accademico 2013/2014 Candidato: Domenico Albano matr. N46/1087 1

2 Indice Introduzione 3 1 Recommender Systems Browsing di oggetti multimediali Content Based Filtering Collaborative Filtering Hybrid Filtering 10 2 Modellazione di un oggetto multimediale Cos è un oggetto multimediale Definizioni preliminari Oggetto Multimediale 15 3 Metriche di Similitudine tra oggetti Similitudine nei Recommender Systems Somiglianza basata sulle features Somiglianza basata sulla tassonomia Similarità semantica attraverso le parole Similarità basata sulle features e sulla tassonomia Somiglianza basata sul percorso d esplorazione Indice di similitudine globale 30 Conclusioni 31 Bibliografia 33 2

3 Introduzione La civiltà di oggi è in enorme progresso scientifico e tecnologico. La comunicazione e l interazione tra comunità è a portata di click da quando internet è diventato accessibile a tutti. Con l obbiettivo di facilitare e incrementare l accesso e l utilizzo di grandi archivi multimediali sono stati sviluppati innumerevoli tools e algoritmi. Tali tools, comunemente noti come Recommender Systems, immagazzinano e analizzano dati estrapolando informazione atte a descrivere preferenze e interessi degli utenti, garantendo a questi ultimi utili raccomandazioni. Come sappiamo grandissimi passi avanti si sono fatti nel campo dell informazione e soprattutto in quello del browsing di oggetti multimediali e tuttora studiosi di tutto il mondo si impegnano per garantire agli utenti una navigazione facile, semplice e immediata. È questo l obbiettivo dei Recommender Systems, aiutare l utente nella scelta di un capo d abbigliamento, un accessorio, un elettrodomestico, basandosi sui propri interessi, sfruttando algoritmi e metodi di computazione atti ad individuare il livello di somiglianza tra oggetti. A questo scopo vengono introdotti descrittori, sia di basso che di alto livello, e viene definita una strategia che combina entrambi nel processo di calcolo 3

4 della somiglianza tra una generica coppia di oggetti appartenenti alla collezione multimediale. Inoltre per aiutare ulteriormente la ricerca della similarità si fa affidamento anche sulle esperienze dei precedenti utilizzatori del sistema di navigazione, e quindi dei loro percorsi di ricerca nel database. Questo ultimo principio da un contributo essenziale nella consolidazione dei due precedenti metodi, permettendo di considerare ulteriori fattori per esempio l assistenza all utente nella navigazione proponendogli di visitare oggetti visitati precedentemente da altri utenti. I più grandi siti di E-commerce offrono milioni di prodotti in tutto il mondo tramite il web, ed il continuo svilupparsi e ingigantirsi di questi ha portato il bisogno di sistemi in grado di gestire gli interessi degli utenti ed una grandissima mole di dati in continuo aumento. Pertanto, si parla di Large Scale Recommender Systems ovvero Recommender Systems applicati a siti di E-commerce estremamente grandi. Nei prossimi capitoli parleremo in generale dei Recommender Systems, analizzandoli negli aspetti più pratici, affrontando i temi di Information Retrieval e Browsing e focalizzeremo l attenzione sul mondo multimediale, sviluppando i concetti di similarità tra oggetti in una collezione multimediale. 4

5 Capitolo 1: Recommender Systems 1.1 Browsing di oggetti multimediali Il continuo sviluppo di applicazioni atte all elaborazioni di documenti multimediali ha comportato un grandissimo sviluppo di tecniche di ricerca e navigazione : in letteratura di parla di Information Retrieval e Browsing. Il primo termine indica il problema della ricerca di informazioni relative ad uno specifico oggetto multimediale, ovvero il sistema si occupa di trovare tali informazioni a partire da un oggetto dato. Tali sistemi vengono denominati Information Retrieval (IR), essi permettono quindi all utente di formulare query e di ottenere risultati in base ai criteri stabiliti. Un esempio di sistemi che fanno uso di tali tecniche sono i motori di ricerca, che mettono, tuttavia, alla luce i limiti di tali metodi: l utente deve esplicitamente descrivere le caratteristiche dell informazione desiderata, ovvero c è bisogno di una query per avere un risultato, l utente deve essere perfettamente a conoscenza dei propri interessi. Con Browsing, invece, si intende un applicazione che dirige l utente durante una navigazione all interno di una collezione multimediale, offrendo suggerimenti utili sugli oggetti in base agli interessi dell utente, senza che egli ne faccia richiesta espressamente. 5

6 Pertanto in letteratura si parla di Information Filtering (filtraggio delle informazioni) e si divide in due categorie principali: Filtraggio basato sul contenuto(content-based Filtering); Filtraggio collaborativo(collaborative Filtering); Nel primo caso vengono raccomandati all utente oggetti simili a quelli che egli ha dimostrato gradire in precedenza, mentre nel secondo vengono raccomandati oggetti apprezzati da altri utenti che condividono gusti simili all utente in questione. Nei paragrafi successivi analizzeremo più accuratamente le due tecniche di filtraggio e alcuni esempi di sistemi appartenenti ad ambedue tipologie. 1.2 Content Based Filtering Il continuo crescere della varietà delle informazioni da poter esaminare costituisce un grosso scoglio da superare per i sistemi di raccolta di oggetti. La mancanza di un organizzazione non permette agli utenti di ricercare facilmente le informazioni di cui hanno bisogno, ma la progettazione di un sistema capace di effettuare un recupero efficiente dei soli documenti relativi ad una stessa categoria risulta essere abbastanza complicata. Il problema principale quindi per i sistemi è quello di individuare gli elementi necessari all utente senza includere nella lista documenti sbagliati. Per affrontare questo problema i ricercatori sono orientati verso la realizzazione di applicazioni in grado di apprendere gli interessi dell utente, attraverso i cosiddetti filtri content-based. Essi si dividono in 6

7 due categorie: basati su regole o basati sul profilo utente. Il primo caso prevede la stesura di regole atte a filtrare oggetti in modo da relegarli in categorie specifiche, un esempio sono i kill files utilizzati per filtrare in arrivo. Il secondo approccio invece è molto più interessante ed utile, esso si basa sulla sintetizzazione delle caratteristiche degli elementi graditi e non di un utente dato in modo da poter discriminare e privilegiare oggetti prima ancora di attendere che l utente effettui una ricerca. Le informazioni necessarie allo scopo vengono tipicamente ricavate a partire dall osservazione dei movimenti dell utente, dalla sua cronologia, o a volte sottoponendolo ad un questionario al momento della sua registrazione. In sostanza questa tecnica di filtraggio di informazioni fornisce suggerimenti in base alle correlazioni tra il contenuto degli elementi esaminabili e le preferenze dell utente. Purtroppo, essi hanno delle limitazioni: La caratteristiche dell informazione devono essere estratte e codificate e ciò non può essere sempre fatto in maniera automatizzata; All utente vengono mostrati solo oggetti simili ad oggetti graditi in passato, in questo modo vengono esclusi eventuali oggetti che potrebbero interessargli nel presente; Le raccomandazioni si basano su diversità molto limitate; Naturalmente i sistemi che sfruttano questo filtraggio si differenziano per gli algoritmi utilizzati e per le tecniche adottate, un esempio sono News Dude e InfoFinder. 7

8 1.3 Collaborative Filtering Questo filtraggio adotta un approccio complementare rispetto al contentbased filtering e tiene conto principalmente delle implicazioni sociali del procedimento di raccomandazione. Invece di suggerire oggetti simili a quelli che l utente ha mostrate di apprezzare in precedenza, vengono raccomandati elementi che altri utenti simili hanno trovato interessanti. In pratica questa tecnica implementa il cosiddetto passa parola ed gli utenti inconsapevolmente si influenzano e interagiscono tra loro. Tuttavia la base stessa di questo approccio è stato messo in discussione partendo dal fatto che persone che condividono interessi su alcuni temi possono non farlo su altri. Quindi per far funzionare bene questo sistema è necessario partizionare l insieme degli oggetti in modo che formino un gruppo omogeneo in relazione al gradimento. Il Collaborative Filtering supera alcuni limiti del Content-Based, infatti non è necessario che gli oggetti da filtrare debbano essere prima analizzati e codificati in modo da estrarne le caratteristiche descrittive. Inoltre il sistema può raccomandare tranquillamente oggetti appartenenti a categorie diverse senza ricadere in suggerimenti simili. In pratica il suggerimento è basato più sulla qualità dell oggetto che sulle sue proprietà più oggettive, ma, come sappiamo, ogni sistema ha delle sue pecche: Gli oggetti appena inseriti non possono essere suggeriti. Infatti i nuovi elementi saranno disponibili per dei suggerimenti solo quando molti utenti li avranno visualizzati; 8

9 Se un utente è nuovo, non avendo fatto ancora nessuna scelta, non potrà essere confrontato con gli altri utenti e, pertanto, non potrà ricevere suggerimenti; Se il numero di utenti non è abbastanza grande ci possono essere utenti inusuali che non condividono nessun interesse con gli altri e quindi non beneficiano del sistema. Il Collaborative Filtering si divide in attivo e passivo. L approccio presentato si basa su di un unico database, contenente le preferenze degli utenti e le raccomandazioni si basano su persone simili per gusti, pertanto si parla di passive Collaborative Filtering perché non c è diretta connessione né conoscenza tra la persona che sceglie e gli utenti che ne ricevono il suggerimento. Viene denominato attive Collaborative Filtering l approccio che si basa sulla pratica comune a molti di consigliare ad amici o colleghi documenti interessanti, quindi ogni utente può direttamente condividere i propri interessi con gli altri appartenenti al sistema. Il primo lavora meglio quando la convergenza di preferenze sullo stesso insieme di oggetti è più alta (perché il sistema è automatizzato), mentre l altro funziona meglio quando i documenti trovati sono divergenti, ovvero lavora meglio nel punto in cui l altro sistema si blocca. Gli algoritmi di predizione usati sono: basati sulla memoria (memorybased) e basati sul modello (model-based). Quelli basati sulla memoria mantengono un database di tutte le preferenze espresse agli users e eseguono qualche computazione su tutto il database in 9

10 corrispondenza di ogni suggerimento. Quelli basati sul modello compilano le preferenze degli utenti in un modello descrittivo di utenti, oggetti e voti e le raccomandazioni sono poi basate su tale modello. Quindi i primi rimandano le computazione al momento del suggerimento e sono più semplici ed intuitivi. Funzionano piuttosto bene nella pratica, ma in termini di costi in computazioni e in memoria peggiorano con l aumentare dei dati. Viceversa nei metodi basati sul modello, il modello stesso soppianta il problema di lunghe computazioni andando oltre alla capacità predittive del sistema, evidenziando correlazioni tra dati che in modo automatizzato non sarebbero visibili. Anche in termini di memoria rispetto a quelli memorybased abbiamo un grosso vantaggio. Il problema principale è che i requisiti di tempo per compilare i dati in un modello potrebbero essere proibitivi e aggiungere un nuovo voto potrebbe richiedere una ricompilazione completa, mantenere quindi aggiornati i modelli è molto dispendioso in termini di tempo. In conclusione il filtraggio collaborativo rappresenta una buona alternativa al filtraggio basato sul contenuto. L idea fondamentale su cui si basa è di associare l utente corrente ad un insieme di utenti che condividono un profilo comune, quindi la somiglianza è tra utenti e non tra oggetti. Alcuni sistemi che sfruttano questo approccio sono Ringo e Siteseer. 1.4 Hybrid Filtering Recenti studi hanno dimostrato che un approccio ibrido possa essere più efficiente in alcuni casi. Esso può essere ottenuto in diversi modi: facendo predizioni content-based e collaborative-based separatamente e poi 10

11 combinandole; aggiungendo le facoltà di un approccio content-based ad uno collaborative e viceversa; o unificando i due approcci in un unico modello. Questi metodi ibridi costituiscono una valida alternativa ai due approcci canonici. Essi vengono usati, quindi, per superare alcuni problemi comuni nei recommender systems come il cold start e lo sparisity problem. Netflix è un ottimo esempio di sistema ibrido. In questo sistema viene fatta ogni raccomandazione comparando le abituali ricerche e visualizzazioni di utenti simili (approccio collaborativo) e offrendo film che condividono caratteristiche con i film che un utente ha gradito in precedenza (approccio content-based). Come sappiamo in letteratura vengono proposte solo due modelli come base per i sistemi di raccomandazione: collaborativo e content-based. Ognuna di queste ha riscontrato delle pecche, come ad esempio il ben noto problema del cold-start (inizio freddo). Come comportarsi con gli utenti nuovi che non hanno ancora effettuato nessuna ricerca? Un sistema di raccomandazione ibrido unisce più tecniche insieme per realizzare una sinergia tra loro. Esistono sette tipi di ibridazione: Pesata: i punteggi delle diverse component di raccomandazione sono combinati numericamente; Switching: il sistema sceglie uno tra i componenti di raccomandazione disponibili e lo applica; Mixed: vengono presentati insieme i suggerimenti di ogni raccomandatore; 11

12 Feature Combination: le features derivate da differenti base di conoscenza sono combinate insieme e date ad un unico algoritmo di raccomandazione; Feature Augmentation: viene usata una tecnica di raccomandazione per computare una feature o un set di features, il risultato viene poi dato in input ad un altra tecnica di raccomandazione; Cascata: viene data una rigorosa priorità ai raccomandatori, quelli a priorità più bassa vengono messi da parte per dare spazio ai risultati di quelli a priorità maggiore; Meta-level: una tecnica di raccomandazione viene utilizzata e ne viene estratto un modello che viene dato in input ad un'altra tecnica; 12

13 Capitolo 2: Modellazione di un oggetto multimediale 2.1 Cos è un oggetto multimediale Un oggetto multimediale a livello fisico non è altro che una collezione di lunghe sequenze di bytes non strutturate chiamate BLOBs(binary large objects). Un sistema che contenga simili dati dovrebbe essere in grado di ricavare e gestire informazioni sia sulla struttura interna dei BLOBs sia sul loro contenuto semantico. Dal punto di vista logico un oggetto multimediale è articolato in una struttura gerarchica di componenti sintattici come, ad esempio, capitoli e paragrafi in un testo, shots e scene in un video e così via. La struttura determina come questi componenti siano interlacciati tra loro. Oltre alla struttura logica abbiamo quella concettuale di ciascun oggetto che fornisce informazioni semantiche sul suo contenuto. Il modo in cui vengono derivate e memorizzate queste informazioni riguardanti i BLOB è attraverso un generico sistema di Information Retrieval o Browsing. Senza dubbio, un modello per dati multimediali adatto ad un sistema che debba consentire l esplorazione e il recupero ottimale di elementi all interno del database dovrebbe essere in grado di gestire e descrivere sia 13

14 il contenuto concettuale degli oggetti che le loro caratteristiche di più basso livello. Di conseguenza abbiamo la necessità di definire un tale modello al fine di descrivere in maniera appropriata un generico elemento multimediale. 2.2 Definizioni preliminari Definizione: Alfabeto multimediale Un alfabeto multimediale A è un insieme finito di simboli multimediali MSymbol, dove con simbolo multimediale si intende un carattere alfanumerico, un pixel o un campione audio. A={MSymbols} Due simboli multimediali si dicono omogenei se della stessa tipologia. Definizione: Parola Multimediale Dato un alfabeto multimediale A, una parola multimediale MW A di lunghezza k su A è una composizione di k simboli multimediali omogenei su A. MW A ={s 1... s k } con s i A i 1,k Esempio: un testo o un immagine sono esempi di parole multimediali, composizione rispettivamente di caratteri alfanumerici e pixel. Una parola multimediale si dirà composta se potrà decomporsi in più parole multimediali dotate di significato, atomica in caso contrario. 14

15 Naturalmente a seconda del tipo di oggetto multimediale il concetto di decomposizione cambia. Nel caso di immagini una parola multimediale componente sarà una sotto-regione dell intera figura, nel caso di un video un sottoinsieme di frame dell intero film, nel caso di un testo una singola parola o frase. Ogni parola contribuisce con il suo significato a determinare il significato globale della parola multimediale. Definizione: Dizionario Multimediale Dato un alfabeto multimediale A, un dizionario multimediale MDictionary A su A è un insieme di parole multimediali sull alfabeto A. MDictionary A ={MW A s} 2.3 Oggetto Multimediale Adesso possiamo dare la definizione di oggetto multimediale: Definizione: Oggetto Multimediale Un oggetto multimediale MO A su un dato alfabeto multimediale A può essere definito come una quadrupla: MO A ={MW A, MOId, M f, M c } Dove MW A è una parola multimediale sull alfabeto A. Si tratta in pratica del dato multimediale vero e proprio di più basso livello: il testo inteso come sequenza di caratteri, l immagine intesa come insieme di pixel e così via; 15

16 MOId è il link fisico all oggetto multimediale, l URI(Uniform Resource Identifier) cioè una strina che identifica univocamente la risorsa. Un URI può essere classificato in URL o URN: URL(Uniform Resource Locator) è un URI che oltre ad essere un identificatore fornisce mezzi per agire su o per ottenere una rappresentazione della stessa descrivendo il suo meccanismo di accesso primario o la sua ubicazione in una rete; un URN(Uniform Resource Name) è un URI che identifica una risorsa con un nome in un particolare dominio di nomi; M f è un insieme di metadati contenente una descrizione di basso livello dell oggetto multimediale, un insieme di sue features fisiche rilevanti, anche noto come signature della risorsa. Ad esempio, considerando il caso di immagini la signature è costituita da tre diverse features: colore, forma, texture, shape; M c è un insieme di metadati contenente una descrizione a livello semantico dell oggetto multimediale, significativi dal punto di vista del suo contenuto semantico. Ad esempio, nel caso di applicazioni di browsing di un museo virtuale, possono considerarsi informazioni rilevanti dal punto di vista semantico tutte quelle relative all autore del dipinto, al suo soggetto, alla corrente artistica di riferimento etc; 16

17 Capitolo 3: Metriche di Similitudine tra oggetti 3.1 Similitudine nei Recommender Systems L elemento chiave nella progettazione di un effettivo Recommender System multimediale è la definizione di similarità per comparare oggetti multimediali, estrapolando features descrittive di basso e alto livello. La similarità viene vista come la somma pesata di due contributi, uno legato alla somiglianza di basso livello tra gli oggetti e uno legato alla somiglianza semantica degli stessi. Descriveremo in questo paragrafo tale strategia rispetto ad immagini. Le immagini vengono descritte attraverso 3 fondamentali features di basso livello: color, texture and shape. Gli algoritmi di image processing possono automaticamente estrarre queste e calcolare la distanza tra 2 immagini come la distanza tra le loro features nello spazio delle features. 3.2 Somiglianza basata sulle features Si considerino, dato un alfabeto multimediale A, due generici oggetti multimediali della stessa tipologia, MO A ={MW A, MOId, M f, M c } e MO A ={MW A, MOId, M f, M c }; per definire la similitudine di basso livello tra di essi è necessario considerarne le caratteristiche fisiche 17

18 rilevanti, contenute negli insiemi di metadati M f ={f 1,..,f n } e M f ={f 1,..,f n }. Per ciascuna coppia di elementi dei due insiemi si potrà calcolare la distanza tra feature fisica corrispondente nei due oggetti, d f1, d f2,, dove per distanza basata su una caratteristica di basso livello f i si intende una misura della differenza tra due oggetti multimediali valutata in termini della stessa f i. Definizione: Distanza basata su features La distanza basata sulle features tra due oggetti multimediali dello stesso tipo MO A e MO A si definisce come: d features (MO A, MO A ) = i α i d fi con i = 1,..., n, n essendo il numero complessivo delle features fisiche considerate e α i dei coefficienti di peso opportuni. Definizione: Similitudine basata sulle features La similitudine basata sulle features tra due oggetti multimediali dello stesso tipo MO A e MO A si definisce come: S features (MO A, MO A ) = 1 - d features (MO A, MO A ) Questa è la similitudine di basso livello generica, a seconda dei tipi di oggetto multimediali cambieranno le features appartenenti all insieme M f. Adesso vedremo in particolare quali entrano in gioco nelle immagini e nei testi. Similitudine di basso livello tra immagini Come abbiamo detto per le immagini le features di riferimento sono 3, color, texture e shape. Nel database l immagine, dopo l inserimento, viene analizzate e le viene immagazzinata una rappresentazione compatta dei 18

19 suoi contenuti in un vettore di features, la signature. Le immagini quindi sono confrontate in base a colore, texture e forma, le posizioni di questi attributi visuali sono rappresentate dalla locazione che non è un parametro significativo per la ricerca ma lo è congiuntamente ad uno degli altri 3 attributi. In parole povere la signature contiene informazioni su: Colore: rappresenta la distribuzione di colori all interno dell intera immagine, ovvero un istogramma con le percentuali per ogni colore; Texture: è un indice della regolarità o irregolarità dell immagine, come granularità e zone sfumate; Forma: rappresenta le forme che compaiono all interno dell immagine determinate tramite tecniche di segmentazione basate sul colore; Locazione: rappresenta la posizione delle componenti di forma, colore e texture all interno dell immagine stessa. Di seguito riportiamo una serie di immagini analizzandone la somiglianza. Immagini molto simili nel colore ma non nella locazione; 19

20 Immagini molto simili nella texture ma non nel colore; Similitudine di basso livello tra testi Per i testi il discorso è diverso, la misura della similitudine di basso livello è ottenuta considerando il numero di occorrenze delle parole chiave di un testo all interno dell altro e viceversa. Quindi, dati due testi A e B, viene calcolata con opportuni metodi di computazione l occorrenza di ciascuna parola chiave due e valutata la differenza di tali risultati, partendo dalla considerazione che sia quasi impossibile che due testi diversi abbiano lo stesso numero di occorrenze. La similitudine di basso livello viene poi calcolata come in precedenza. 3.3 Somiglianza basata sulla tassonomia Una tassonomia è una collezione di termini di un vocabolario controllato, organizzati in una struttura gerarchica. Le relazioni gerarchiche in tassonomia sono di tipo intero-parte, genere-specie, tipo-istanza. La tassonomia è quindi una gerarchia dove un nodo è un concetto o una classe di concetti e una connessione rappresenta un associazione diretta tra due 20

21 nodi padre/figlio. La struttura utilizzata per rappresentare tale organizzazione, quindi, è quella ad albero, a cui ogni nodo costituisce un concetto e ogni ramo un associazione. 3.4 Similarità semantica attraverso le parole Ormai grazie allo sviluppo di innumerevoli progetti computazionali linguistici di successo, molte sono le basi di conoscenza semantiche disponibili a noi. Le basi di conoscenza (knowledge base) possono essere costruite in una gerarchia in cui si individuano relazioni tra i termini del tipo is a o is a kind of (ISA). La struttura gerarchica ISA della base di conoscenza è importante nel determinare al distanza semantica tra le parole. Date due parole, si può analizzare la base di conoscenza gerarchica 21

22 per individuare la similitudine semantica tra di esse. Un metodo diretto per il calcolo della similitudine consiste nel trovare il percorso di lunghezza minima che collega i concetti contenenti le due parole. Nella figura sottostante possiamo notare che il percorso minimo tra le parole boy e girl è boy-male-person-female-girl pari a 4 mentre tra le parole boy e teacher sono 6 (boy-male-person-adult-professional-educator-teacher), pertanto possiamo affermare che a livello semantico boy e girl sono più simili di boy e teacher. Naturalmente questo metodo non è molto accurato, dato che dal grafico si nota che la parola animal dista 4 da quella boy minore della distanza tra boy e teacher, cosa che concettualmente non è accettabile. Per superare questo limite bisogna utilizzare un maggior numero di informazioni: in sostanza i concetti superiori della gerarchia devono avere una semantica più generale e una minore somiglianza gli uni dagli altri, mentre quelli negli strati inferiori abbiano una semantica più concreta ed una somiglianza più forte, e soprattutto bisognerebbe considerare anche la profondità di cammino minimo. Anche la densità locale delle reti semantiche è un fattore determinante. Quindi la similitudine tra 2 parole può considerarsi una funzione del percorso minimo tra le 2, la profondità e la densità della rete locale. Sono 3 i possibili casi in cui 2 parole possono trovarsi: Si trovano nello stesso concetto, quindi hanno lo stesso significato per cui si assegna alla lunghezza del percorso semantico tra di essere il valore nullo; Non sono nello stesso concetto ma contengono una o più parole coincidenti, in questo caso le parole condividono parzialmente le 22

23 stesse caratteristiche. Allora si assegna una lunghezza al percorso che le separa pari ad 1: tale scelta deriva dalla considerazione che quando i concetti relativi a due parole contengono una o più parole uguali le due sono tipicamente simili; Le due non sono nello stesso concetto né i loro concetti hanno parole in comune; La profondità viene derivata dal conteggio dei livelli dall elemento fino alla cima della gerarchia lessicale. Naturalmente maggiore sarà la profondità maggiori saranno le informazioni legate a quella parola. In generale la similitudine semantica è una funzione monotona crescente rispetto alla profondità, mentre, monotona decrescente rispetto al percorso semantico. Grazie a questo possiamo definire la descrizione semantica di un oggetto multimediale Definizione: Descrizione semantica di un oggetto multimediale Data una tassonomia T, una descrizione semantica M C di un oggetto multimediale MO A è una coppia ordinata definita come M C = (TA, NTA) Dove TA = (A 1,...,A m ) è una tupla ordinata di attributi che assumono i valori corrispondenti ai nodi di T e NTA = (A * 1,..., A * m ) è una tupla ordinata di attributi i cui valori non corrispondono ai nodi di T. Ad esempio nel caso della classificazioni tassonomiche di immagini con: M C = (Autore, Titolo, Corrente artistica, Soggetto) 23

24 TA = (Autore, Corrente artistica, Soggetto) NTA = (Titolo) Ovvero gli attributi Autore, Corrente artistica e Soggetto possono esprimere un legame semantico tra le immagini, infatti è probabile che due immagini relative ad uno stesso autore o appartenenti alla stessa corrente siano simili, al contrario del titolo che cambia da opera ad opera. Definizione: Similitudine basata sulla tassonomia Sia T una tassonomia e TA = (A 1,...,Aτ) la tupla di attributi tassonomici. La similitudine basata sulla tassonomia tra due oggetti MO A e MO A è: Dove α i k = t i (A k ) e α j k = t j (A k ) sono i valori individuabili tra i metadati M C e M C per l attributo A k, l è la lunghezza del percorso tra α i k e α j k e d è la profondità; α e β sono dei parametri che regolano il contributo di l e d. Definizione: Distanza basata sulla tassonomia La distanza basata sulla tassonomia tra due oggetti MO A e MO A definita come è d taxonomy (MO A, MO A ) = 1 - S T (MO A, MO A ) 24

25 3.5 Similarità basata su features e sulla tassonomia Come detto in precedenza la similitudine globale tra due oggetti multimediali è vista come la somma pesate di due contributi, uno legato alla similitudine di basso livello ad uno a quello alto. Di seguito riportiamo le definizioni. Definizione: Distanza basata sulle features a sulla tassonomia La distanza basata sui contributi di features e contenuto semantico tra due oggetti multimediale MO A e MO A è definita come: d M (MO A, MO A ) = α F d features (MO A, MO A ) + α T d taxonomy (MO A, MO A ) nel caso in cui i due oggetti siano dello stesso tipo, d M (MO A, MO A ) = d taxonomy (MO A, MO A ) nel caso in cui i due oggetti siano di tipologie differenti. α F e α T sono due pesi il cui valore può essere fissato in modo da tenere in maggiore considerazione il contenuto semantico rispetto alle features fisiche o viceversa. Definizione: Similitudine basata sulle features e sulla tassonomia La similitudine basata sui due contributi (basso e alto livello) tra due oggetti multimediali MO A e MO A è definita come: S M (MO A, MO A ) = 1 d M (MO A, MO A ) 25

26 3.6 Somiglianza basata sul percorso di esplorazione Come abbiamo accennato in precedenza per garantire dei suggerimenti intelligenti ad un utente possiamo avvalerci anche dei percorsi di altri utenti che in precedenza hanno navigato nella collezione multimediale confrontandoli con quelli del utente preso in considerazione. Definizione: Percorso d esplorazione Un percorso d esplorazione p di lunghezza k è la sequenza ordinata dei k oggetti richiesti da un utente nella stessa sessione di esplorazione: p = ( o 1, o 2,..., o k ) Sia P l insieme di tutti i percorsi d esplorazione dei visitatori passati. La nostra necessità adesso è stabilire la nozione di similitudine tra percorsi d esplorazione. Uno dei più famosi algoritmi proporti in letteratura per il confronto di sequenze di simboli dato un alfabeto è quello di Levenshtein, progettato per valutare la distanza tra due parole in termini di somma dei costi di operazioni base (inserimenti, cancellazioni e sostituzioni) necessaria a trasformare una stringa in un altra. 26

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

Indicizzazione terza parte e modello booleano

Indicizzazione terza parte e modello booleano Reperimento dell informazione (IR) - aa 2014-2015 Indicizzazione terza parte e modello booleano Gruppo di ricerca su Sistemi di Gestione delle Informazioni (IMS) Dipartimento di Ingegneria dell Informazione

Dettagli

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

Text mining ed analisi di dati codificati in linguaggio naturale. Analisi esplorative di dati testualilezione Text mining ed analisi di dati codificati in linguaggio naturale Analisi esplorative di dati testualilezione 2 Le principali tecniche di analisi testuale Facendo riferimento alle tecniche di data mining,

Dettagli

Sempre attenti ad ogni dettaglio Bosch Intelligent Video Analysis

Sempre attenti ad ogni dettaglio Bosch Intelligent Video Analysis Sempre attenti ad ogni dettaglio Bosch Intelligent Video Analysis 2 Intervento immediato con Bosch Intelligent Video Analysis Indipendentemente da quante telecamere il sistema utilizza, la sorveglianza

Dettagli

Elementi di Statistica

Elementi di Statistica Elementi di Statistica Contenuti Contenuti di Statistica nel corso di Data Base Elementi di statistica descrittiva: media, moda, mediana, indici di dispersione Introduzione alle variabili casuali e alle

Dettagli

Quando A e B coincidono una coppia ordinata é determinata anche dalla loro posizione.

Quando A e B coincidono una coppia ordinata é determinata anche dalla loro posizione. Grafi ed Alberi Pag. /26 Grafi ed Alberi In questo capitolo richiameremo i principali concetti di due ADT che ricorreranno puntualmente nel corso della nostra trattazione: i grafi e gli alberi. Naturale

Dettagli

capitolo 6 IL QUESTIONARIO PER LA VALUTV ALUTAZIONEAZIONE DEI CONTENUTI

capitolo 6 IL QUESTIONARIO PER LA VALUTV ALUTAZIONEAZIONE DEI CONTENUTI capitolo 6 IL QUESTIONARIO PER LA VALUTV ALUTAZIONEAZIONE DEI CONTENUTI 6.1 ISTRUZIONI PER IL VALUTATORE Il processo di valutazione si articola in quattro fasi. Il Valutatore deve: 1 leggere il questionario;

Dettagli

Guida all uso del portale dello studente

Guida all uso del portale dello studente Guida all uso del portale dello studente www.studente.unicas.it Versione 1.0 del 10/04/2010 Pagina 1 Sommario PREMESSA... 3 PROFILO... 7 AMICI... 9 POSTA... 10 IMPOSTAZIONI... 11 APPUNTI DI STUDIO... 12

Dettagli

Corso SOL Gestione catalogo libro moderno 21-22 settembre 2009

Corso SOL Gestione catalogo libro moderno 21-22 settembre 2009 Corso SOL Gestione catalogo libro moderno 21-22 settembre 2009 Introduzione generale Autenticazione dell operatore https://sebina1.unife.it/sebinatest Al primo accesso ai servizi di Back Office, utilizzando

Dettagli

UTILIZZO DEI METODI MULTICRITERI O MULTIOBIETTIVI NELL OFFERTA ECONOMICAMENTE PIÙ VANTAGGIOSA. Filippo Romano 1

UTILIZZO DEI METODI MULTICRITERI O MULTIOBIETTIVI NELL OFFERTA ECONOMICAMENTE PIÙ VANTAGGIOSA. Filippo Romano 1 UTILIZZO DEI METODI MULTICRITERI O MULTIOBIETTIVI NELL OFFERTA ECONOMICAMENTE PIÙ VANTAGGIOSA Filippo Romano 1 1. Introduzione 2. Analisi Multicriteri o Multiobiettivi 2.1 Formule per l attribuzione del

Dettagli

Le Reti Informatiche

Le Reti Informatiche Le Reti Informatiche modulo 10 Prof. Salvatore Rosta www.byteman.it s.rosta@byteman.it 1 Nomenclatura: 1 La rappresentazione di uno schema richiede una serie di abbreviazioni per i vari componenti. Seguiremo

Dettagli

GOOGLE, WIKIPEDIA E VALUTAZIONE SITI WEB. A cura delle biblioteche Umanistiche e Giuridiche

GOOGLE, WIKIPEDIA E VALUTAZIONE SITI WEB. A cura delle biblioteche Umanistiche e Giuridiche GOOGLE, WIKIPEDIA E VALUTAZIONE SITI WEB A cura delle biblioteche Umanistiche e Giuridiche ISTRUZIONI PER Usare in modo consapevole i motori di ricerca Valutare un sito web ed utilizzare: Siti istituzionali

Dettagli

Introduzione al GIS (Geographic Information System)

Introduzione al GIS (Geographic Information System) Introduzione al GIS (Geographic Information System) Sommario 1. COS E IL GIS?... 3 2. CARATTERISTICHE DI UN GIS... 3 3. COMPONENTI DI UN GIS... 4 4. CONTENUTI DI UN GIS... 5 5. FASI OPERATIVE CARATTERIZZANTI

Dettagli

ITALIANO TRAGUARDI PER LO SVILUPPO DELLE COMPETENZE AL TERMINE DELLA SCUOLA PRIMARIA

ITALIANO TRAGUARDI PER LO SVILUPPO DELLE COMPETENZE AL TERMINE DELLA SCUOLA PRIMARIA ITALIANO TRAGUARDI PER LO SVILUPPO DELLE COMPETENZE AL TERMINE DELLA SCUOLA PRIMARIA L allievo partecipa a scambi comunicativi (conversazione, discussione di classe o di gruppo) con compagni e insegnanti

Dettagli

Ricerca Operativa Branch-and-Bound per problemi di Programmazione Lineare Intera

Ricerca Operativa Branch-and-Bound per problemi di Programmazione Lineare Intera Ricerca Operativa Branch-and-Bound per problemi di Programmazione Lineare Intera L. De Giovanni AVVERTENZA: le note presentate di seguito non hanno alcuna pretesa di completezza, né hanno lo scopo di sostituirsi

Dettagli

La ricerca empirica: una definizione

La ricerca empirica: una definizione Lucido 35/51 La ricerca empirica: una definizione La ricerca empirica si distingue da altri tipi di ricerca per tre aspetti (Ricolfi, 23): 1. produce asserti o stabilisce nessi tra asserti ipotesi teorie,

Dettagli

QUESTIONARIO SUGLI STILI DI APPRENDIMENTO

QUESTIONARIO SUGLI STILI DI APPRENDIMENTO QUESTIONARIO SUGLI STILI DI APPRENDIMENTO Le seguenti affermazioni descrivono alcune abitudini di studio e modi di imparare. Decidi in quale misura ogni affermazione si applica nel tuo caso: metti una

Dettagli

Lezione n 1! Introduzione"

Lezione n 1! Introduzione Lezione n 1! Introduzione" Corso sui linguaggi del web" Fondamentali del web" Fondamentali di una gestione FTP" Nomenclatura di base del linguaggio del web" Come funziona la rete internet?" Connessione"

Dettagli

La gestione documentale con il programma Filenet ed il suo utilizzo tramite la tecnologia.net. di Emanuele Mattei (emanuele.mattei[at]email.

La gestione documentale con il programma Filenet ed il suo utilizzo tramite la tecnologia.net. di Emanuele Mattei (emanuele.mattei[at]email. La gestione documentale con il programma Filenet ed il suo utilizzo tramite la tecnologia.net di Emanuele Mattei (emanuele.mattei[at]email.it) Introduzione In questa serie di articoli, vedremo come utilizzare

Dettagli

Corso di Informatica

Corso di Informatica CdLS in Odontoiatria e Protesi Dentarie Corso di Informatica Prof. Crescenzio Gallo crescenzio.gallo@unifg.it L Informatica!2 Informatica Il termine informatica deriva dal francese Informatique Inform(ation

Dettagli

Sistemi di supporto alle decisioni Ing. Valerio Lacagnina

Sistemi di supporto alle decisioni Ing. Valerio Lacagnina Cosa è il DSS L elevato sviluppo dei personal computer, delle reti di calcolatori, dei sistemi database di grandi dimensioni, e la forte espansione di modelli basati sui calcolatori rappresentano gli sviluppi

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 della Web Application 5 3 Struttura della web Application 6 4 Casi di utilizzo della Web

Dettagli

SCUOLANET UTENTE DOCENTE

SCUOLANET UTENTE DOCENTE 1 ACCESSO A SCUOLANET Si accede al servizio Scuolanet della scuola mediante l'indirizzo www.xxx.scuolanet.info (dove a xxx corrisponde al codice meccanografico della scuola). ISTRUZIONI PER IL PRIMO ACCESSO

Dettagli

Business Intelligence. Il data mining in

Business Intelligence. Il data mining in Business Intelligence Il data mining in L'analisi matematica per dedurre schemi e tendenze dai dati storici esistenti. Revenue Management. Previsioni di occupazione. Marketing. Mail diretto a clienti specifici.

Dettagli

Relazione sul data warehouse e sul data mining

Relazione sul data warehouse e sul data mining Relazione sul data warehouse e sul data mining INTRODUZIONE Inquadrando il sistema informativo aziendale automatizzato come costituito dall insieme delle risorse messe a disposizione della tecnologia,

Dettagli

Editor vi. Editor vi

Editor vi. Editor vi Editor vi vi 1 Editor vi Il vi è l editor di testo standard per UNIX, è presente in tutte le versioni base e funziona con qualsiasi terminale a caratteri Permette di visualizzare una schermata alla volta

Dettagli

Predire la struttura terziaria

Predire la struttura terziaria Predire la struttura terziaria E di gran lunga la predizione più complessa che si possa fare su una proteina. Esistono 3 metodi principali di predizione: 1 - Homology modelling: se si conoscono proteine

Dettagli

Guida agli strumenti etwinning

Guida agli strumenti etwinning Guida agli strumenti etwinning Registrarsi in etwinning Prima tappa: Dati di chi effettua la registrazione Seconda tappa: Preferenze di gemellaggio Terza tappa: Dati della scuola Quarta tappa: Profilo

Dettagli

Manuale d uso Apache OpenMeetings (Manuale Utente + Manuale Amministratore)

Manuale d uso Apache OpenMeetings (Manuale Utente + Manuale Amministratore) Manuale d uso Apache OpenMeetings (Manuale Utente + Manuale Amministratore) Autore: Matteo Veroni Email: matver87@gmail.com Sito web: matteoveroni@altervista.org Fonti consultate: http://openmeetings.apache.org/

Dettagli

Metadati e Modellazione. standard P_META

Metadati e Modellazione. standard P_META Metadati e Modellazione Lo standard Parte I ing. Laurent Boch, ing. Roberto Del Pero Rai Centro Ricerche e Innovazione Tecnologica Torino 1. Introduzione 1.1 Scopo dell articolo Questo articolo prosegue

Dettagli

Introduzione ad Access

Introduzione ad Access Introduzione ad Access Luca Bortolussi Dipartimento di Matematica e Informatica Università degli studi di Trieste Access E un programma di gestione di database (DBMS) Access offre: un supporto transazionale

Dettagli

Il Concetto di Processo

Il Concetto di Processo Processi e Thread Il Concetto di Processo Il processo è un programma in esecuzione. È l unità di esecuzione all interno del S.O. Solitamente, l esecuzione di un processo è sequenziale (le istruzioni vengono

Dettagli

Funzioni di base. Manualino OE6. Outlook Express 6

Funzioni di base. Manualino OE6. Outlook Express 6 Manualino OE6 Microsoft Outlook Express 6 Outlook Express 6 è un programma, incluso nel browser di Microsoft Internet Explorer, che ci permette di inviare e ricevere messaggi di posta elettronica. È gratuito,

Dettagli

Elaidon Web Solutions

Elaidon Web Solutions Elaidon Web Solutions Realizzazione siti web e pubblicità sui motori di ricerca Consulente Lorenzo Stefano Piscioli Via Siena, 6 21040 Gerenzano (VA) Telefono +39 02 96 48 10 35 elaidonwebsolutions@gmail.com

Dettagli

Informatica. Scopo della lezione

Informatica. Scopo della lezione 1 Informatica per laurea diarea non informatica LEZIONE 1 - Cos è l informatica 2 Scopo della lezione Introdurre le nozioni base della materia Definire le differenze tra hardware e software Individuare

Dettagli

ORACLE BUSINESS INTELLIGENCE STANDARD EDITION ONE A WORLD CLASS PERFORMANCE

ORACLE BUSINESS INTELLIGENCE STANDARD EDITION ONE A WORLD CLASS PERFORMANCE ORACLE BUSINESS INTELLIGENCE STANDARD EDITION ONE A WORLD CLASS PERFORMANCE Oracle Business Intelligence Standard Edition One è una soluzione BI completa, integrata destinata alle piccole e medie imprese.oracle

Dettagli

Modello OSI e architettura TCP/IP

Modello OSI e architettura TCP/IP Modello OSI e architettura TCP/IP Differenza tra modello e architettura - Modello: è puramente teorico, definisce relazioni e caratteristiche dei livelli ma non i protocolli effettivi - Architettura: è

Dettagli

Sistemi Operativi. Interfaccia del File System FILE SYSTEM : INTERFACCIA. Concetto di File. Metodi di Accesso. Struttura delle Directory

Sistemi Operativi. Interfaccia del File System FILE SYSTEM : INTERFACCIA. Concetto di File. Metodi di Accesso. Struttura delle Directory FILE SYSTEM : INTERFACCIA 8.1 Interfaccia del File System Concetto di File Metodi di Accesso Struttura delle Directory Montaggio del File System Condivisione di File Protezione 8.2 Concetto di File File

Dettagli

CAPITOLO PRIMO IL CONCETTO DI ALGORITMO 1

CAPITOLO PRIMO IL CONCETTO DI ALGORITMO 1 1.1 Che cos è un algoritmo CAPITOLO PRIMO IL CONCETTO DI ALGORITMO 1 Gli algoritmi sono metodi per la soluzione di problemi. Possiamo caratterizzare un problema mediante i dati di cui si dispone all inizio

Dettagli

Lezione su Informatica di Base

Lezione su Informatica di Base Lezione su Informatica di Base Esplora Risorse, Gestione Cartelle, Alcuni tasti di scelta Rapida Domenico Capano D.C. Viterbo: Lunedì 21 Novembre 2005 Indice Una nota su questa lezione...4 Introduzione:

Dettagli

CAPITOLO CAPIT Tecnologie dell ecnologie dell info inf rmazione e controllo

CAPITOLO 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

Dettagli

I.Stat Guida utente Versione 1.7 Dicembre 2010

I.Stat Guida utente Versione 1.7 Dicembre 2010 I.Stat Guida utente Versione 1.7 Dicembre 2010 1 Sommario INTRODUZIONE 3 I concetti principali di I.Stat 4 Organizzazione dei dati 4 Ricerca 5 GUIDA UTENTE 6 Per iniziare 6 Selezione della lingua 7 Individuazione

Dettagli

I n d i c e. 163 Appendice B Questionari su utilità e uso delle Strategie di Studio (QS1 e QS2)

I n d i c e. 163 Appendice B Questionari su utilità e uso delle Strategie di Studio (QS1 e QS2) I n d i c e 9 Introduzione 11 CAP. 1 I test di intelligenza potenziale 17 CAP. 2 La misura dell intelligenza potenziale nella scuola dell infanzia 31 CAP. 3 La misura dell intelligenza potenziale nella

Dettagli

Introduzione alla Programmazione ad Oggetti in C++

Introduzione alla Programmazione ad Oggetti in C++ Introduzione alla Programmazione ad Oggetti in C++ Lezione 1 Cosa è la Programmazione Orientata agli Oggetti Metodologia per costruire prodotti software di grosse dimensioni che siano affidabili e facilmente

Dettagli

Estensione di un servizo di messaggistica per telefonia mobile (per una società di agenti TuCSoN)

Estensione di un servizo di messaggistica per telefonia mobile (per una società di agenti TuCSoN) Estensione di un servizo di messaggistica per telefonia mobile (per una società di agenti TuCSoN) System Overview di Mattia Bargellini 1 CAPITOLO 1 1.1 Introduzione Il seguente progetto intende estendere

Dettagli

GESTIRE LA BIBLIOGRAFIA

GESTIRE LA BIBLIOGRAFIA GESTIRE LA BIBLIOGRAFIA STRUMENTI DI GESTIONE BIBLIOGRAFICA I software di gestione bibliografica permettono di raccogliere, catalogare e organizzare diverse tipologie di materiali, prendere appunti, formattare

Dettagli

DBMS (Data Base Management System)

DBMS (Data Base Management System) Cos'è un Database I database o banche dati o base dati sono collezioni di dati, tra loro correlati, utilizzati per rappresentare una porzione del mondo reale. Sono strutturati in modo tale da consentire

Dettagli

Import Dati Release 4.0

Import Dati Release 4.0 Piattaforma Applicativa Gestionale Import Dati Release 4.0 COPYRIGHT 2000-2005 by ZUCCHETTI S.p.A. Tutti i diritti sono riservati.questa pubblicazione contiene informazioni protette da copyright. Nessuna

Dettagli

Esercizi per il corso di Algoritmi e Strutture Dati

Esercizi per il corso di Algoritmi e Strutture Dati 1 Esercizi per il corso di Algoritmi e Strutture Dati Esercizi sulla Tecnica Divide et Impera N.B. Tutti gli algoritmi vanno scritti in pseudocodice (non in Java, né in C++, etc. ). Di tutti gli algoritmi

Dettagli

AOT Lab Dipartimento di Ingegneria dell Informazione Università degli Studi di Parma. Unified Process. Prof. Agostino Poggi

AOT Lab Dipartimento di Ingegneria dell Informazione Università degli Studi di Parma. Unified Process. Prof. Agostino Poggi AOT Lab Dipartimento di Ingegneria dell Informazione Università degli Studi di Parma Unified Process Prof. Agostino Poggi Unified Process Unified Software Development Process (USDP), comunemente chiamato

Dettagli

Da una a più variabili: derivate

Da una a più variabili: derivate Da una a più variabili: derivate ( ) 5 gennaio 2011 Scopo di questo articolo è di evidenziare le analogie e le differenze, relativamente al calcolo differenziale, fra le funzioni di una variabile reale

Dettagli

Progetto Mappa CET Versione 1.0 del 08-12-2010

Progetto Mappa CET Versione 1.0 del 08-12-2010 Progetto Mappa CET Versione 1.0 del 08-12-2010 La capacità di godere richiede cultura, e la cultura equivale poi sempre alla capacità di godere. Thomas Mann 1 Oggetto Il progetto consiste nella creazione

Dettagli

Progettazione di un DB....in breve

Progettazione di un DB....in breve Progettazione di un DB...in breve Cosa significa progettare un DB Definirne struttura,caratteristiche e contenuto. Per farlo è opportuno seguire delle metodologie che permettono di ottenere prodotti di

Dettagli

Assessorato regionale dell'agricoltura, dello sviluppo rurale e della pesca mediterranea Dipartimento della pesca mediterranea

Assessorato regionale dell'agricoltura, dello sviluppo rurale e della pesca mediterranea Dipartimento della pesca mediterranea Assessorato regionale dell'agricoltura, dello sviluppo rurale e della pesca mediterranea Dipartimento della pesca mediterranea Ufficio del Responsabile Unico della Regione Sicilia per il Cluster Bio-Mediterraneo

Dettagli

Adult Literacy and Life skills (ALL) - Competenze della popolazione adulta e abilità per la vita

Adult Literacy and Life skills (ALL) - Competenze della popolazione adulta e abilità per la vita Adult Literacy and Life skills (ALL) - Competenze della popolazione adulta e abilità per la vita 1 di Vittoria Gallina - INVALSI A conclusione dell ultimo round della indagine IALS (International Adult

Dettagli

Internet Internet è universalmente nota come la Rete delle reti: un insieme smisurato di computer collegati tra loro per scambiarsi dati e servizi.

Internet Internet è universalmente nota come la Rete delle reti: un insieme smisurato di computer collegati tra loro per scambiarsi dati e servizi. Internet Internet è universalmente nota come la Rete delle reti: un insieme smisurato di computer collegati tra loro per scambiarsi dati e servizi. Internet: la rete delle reti Alberto Ferrari Connessioni

Dettagli

PROGETTO EM.MA PRESIDIO

PROGETTO 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

Dettagli

Processi (di sviluppo del) software. Fase di Analisi dei Requisiti. Esempi di Feature e Requisiti. Progettazione ed implementazione

Processi (di sviluppo del) software. Fase di Analisi dei Requisiti. Esempi di Feature e Requisiti. Progettazione ed implementazione Processi (di sviluppo del) software Fase di Analisi dei Requisiti Un processo software descrive le attività (o task) necessarie allo sviluppo di un prodotto software e come queste attività sono collegate

Dettagli

Informatica Applicata

Informatica Applicata Ing. Irina Trubitsyna Concetti Introduttivi Programma del corso Obiettivi: Il corso di illustra i principi fondamentali della programmazione con riferimento al linguaggio C. In particolare privilegia gli

Dettagli

INFORMATIVA SUI COOKIE

INFORMATIVA SUI COOKIE INFORMATIVA SUI COOKIE I Cookie sono costituiti da porzioni di codice installate all'interno del browser che assistono il Titolare nell erogazione del servizio in base alle finalità descritte. Alcune delle

Dettagli

Per lo svolgimento del corso risulta particolarmente utile considerare l insieme

Per lo svolgimento del corso risulta particolarmente utile considerare l insieme 1. L insieme R. Per lo svolgimento del corso risulta particolarmente utile considerare l insieme R = R {, + }, detto anche retta reale estesa, che si ottiene aggiungendo all insieme dei numeri reali R

Dettagli

Verifica e valutazione di apprendenti analfabeti

Verifica e valutazione di apprendenti analfabeti Progetto FEI Rete e Cittadinanza 2014-2015 Verifica e valutazione di apprendenti analfabeti Luana Cosenza, Università per Stranieri di Siena Marzo 2015 Piano di lavoro Principi della verifica e della valutazione

Dettagli

MODULO 3 LEZIONE 23 FORMAZIONE DEL MOVIMENTO (SECONDA PARTE)

MODULO 3 LEZIONE 23 FORMAZIONE DEL MOVIMENTO (SECONDA PARTE) MODULO 3 LEZIONE 23 FORMAZIONE DEL MOVIMENTO (SECONDA PARTE) Contenuti Michelene Chi Livello ottimale di sviluppo L. S. Vygotskij Jerome Bruner Human Information Processing Teorie della Mente Contrapposizione

Dettagli

Maurizio Vichi Sapienza Università di Roma

Maurizio Vichi Sapienza Università di Roma Percorsi didattici, interdisciplinari ed innovativi per la Statistica Maurizio Vichi Sapienza Università di Roma Presidente Federazione Europea delle Società Nazionali di Statistica Scuola Estiva di Matematica

Dettagli

6. Le ricerche di marketing

6. Le ricerche di marketing Università degli Studi di Urbino Carlo Bo Facoltà di Lingue e Letterature Straniere Corso di Laurea in Lingue e Cultura per l Impresa 6. Le ricerche di marketing Prof. Fabio Forlani Urbino, 29/III/2011

Dettagli

Corso di Informatica Generale (C. L. Economia e Commercio) Ing. Valerio Lacagnina Rappresentazione in virgola mobile

Corso di Informatica Generale (C. L. Economia e Commercio) Ing. Valerio Lacagnina Rappresentazione in virgola mobile Problemi connessi all utilizzo di un numero di bit limitato Abbiamo visto quali sono i vantaggi dell utilizzo della rappresentazione in complemento alla base: corrispondenza biunivoca fra rappresentazione

Dettagli

Cross Software ltd Malta Pro.Sy.T Srl. Il gestionale come l'avete sempre sognato... Pag. 1

Cross Software ltd Malta Pro.Sy.T Srl. Il gestionale come l'avete sempre sognato... Pag. 1 Il gestionale come l'avete sempre sognato... Pag. 1 Le funzionalità di X-Cross La sofisticata tecnologia di CrossModel, oltre a permettere di lavorare in Internet come nel proprio ufficio e ad avere una

Dettagli

Mario Polito IARE: Press - ROMA

Mario Polito IARE: Press - ROMA Mario Polito info@mariopolito.it www.mariopolito.it IMPARARE A STUD IARE: LE TECNICHE DI STUDIO Come sottolineare, prendere appunti, creare schemi e mappe, archiviare Pubblicato dagli Editori Riuniti University

Dettagli

Rappresentazione dei numeri in un calcolatore

Rappresentazione dei numeri in un calcolatore Corso di Calcolatori Elettronici I A.A. 2010-2011 Rappresentazione dei numeri in un calcolatore Lezione 2 Università degli Studi di Napoli Federico II Facoltà di Ingegneria Rappresentazione dei numeri

Dettagli

Gli array. Gli array. Gli array. Classi di memorizzazione per array. Inizializzazione esplicita degli array. Array e puntatori

Gli array. Gli array. Gli array. Classi di memorizzazione per array. Inizializzazione esplicita degli array. Array e puntatori Gli array Array e puntatori Laboratorio di Informatica I un array è un insieme di elementi (valori) avente le seguenti caratteristiche: - un array è ordinato: agli elementi dell array è assegnato un ordine

Dettagli

CAMPO DI ESPERIENZA: IL SE E L ALTRO

CAMPO DI ESPERIENZA: IL SE E L ALTRO CAMPO DI ESPERIENZA: IL SE E L ALTRO I. Il bambino gioca in modo costruttivo e creativo con gli altri, sa argomentare, confrontarsi, sostenere le proprie ragioni con adulti e bambini. I I. Sviluppa il

Dettagli

Progetto Didattico di Informatica Multimediale

Progetto Didattico di Informatica Multimediale Progetto Didattico di Informatica Multimediale VRAI - Vision, Robotics and Artificial Intelligence 20 aprile 2015 Rev. 18+ Introduzione Le videocamere di riconoscimento sono strumenti sempre più utilizzati

Dettagli

PHILIPPE PONCIN INSTITUT NATIONAL DE L AUDIOVISUEL

PHILIPPE PONCIN INSTITUT NATIONAL DE L AUDIOVISUEL CONSERVAZI ONE ED ACCESSI BI LI TÀ I N NTERNETDICOLLEZI ONIAUDI OVI SI VE I PHILIPPE PONCIN INSTITUT NATIONAL DE L AUDIOVISUEL 1. IL RUOLO DELLE BIBLIOTECHE AUDIOVISIVE Il fine principale è la conservazione

Dettagli

ALGEBRA: LEZIONI DAL 13 OTTOBRE AL 3 NOVEMBRE

ALGEBRA: LEZIONI DAL 13 OTTOBRE AL 3 NOVEMBRE ALGEBRA: LEZIONI DAL 13 OTTOBRE AL 3 NOVEMBRE 1 DIPENDENZA E INDIPENDENZA LINEARE Se ho alcuni vettori v 1, v 2,, v n in uno spazio vettoriale V, il sottospazio 1 W = v 1,, v n di V da loro generato è

Dettagli

Informatica per la comunicazione" - lezione 9 -

Informatica per la comunicazione - lezione 9 - Informatica per la comunicazione" - lezione 9 - Protocolli di livello intermedio:" TCP/IP" IP: Internet Protocol" E il protocollo che viene seguito per trasmettere un pacchetto da un host a un altro, in

Dettagli

Nella prima lezione... Che cos è il Digitale. Prima parte: Che cos è il Digitale. Che cos è il Digitale. Che cos è il Digitale

Nella prima lezione... Che cos è il Digitale. Prima parte: Che cos è il Digitale. Che cos è il Digitale. Che cos è il Digitale !"$#%!" #% Nella prima lezione... Definizione di Informatica Cosa è una soluzione algoritmica Esempi di algoritmi cicalese@dia.unisa.it 2 Prima parte: Società dell informazione Ma cosa vuol dire società

Dettagli

Parte 2. Determinante e matrice inversa

Parte 2. Determinante e matrice inversa Parte. Determinante e matrice inversa A. Savo Appunti del Corso di Geometria 013-14 Indice delle sezioni 1 Determinante di una matrice, 1 Teorema di Cramer (caso particolare), 3 3 Determinante di una matrice

Dettagli

di4g: Uno strumento di clustering per l analisi integrata di dati geologici

di4g: Uno strumento di clustering per l analisi integrata di dati geologici di4g: Uno strumento di clustering per l analisi integrata di dati geologici Alice Piva 1, Giacomo Gamberoni 1, Denis Ferraretti 1, Evelina Lamma 2 1 intelliware snc, via J.F.Kennedy 15, 44122 Ferrara,

Dettagli

Siamo così arrivati all aritmetica modulare, ma anche a individuare alcuni aspetti di come funziona l aritmetica del calcolatore come vedremo.

Siamo così arrivati all aritmetica modulare, ma anche a individuare alcuni aspetti di come funziona l aritmetica del calcolatore come vedremo. DALLE PESATE ALL ARITMETICA FINITA IN BASE 2 Si è trovato, partendo da un problema concreto, che con la base 2, utilizzando alcune potenze della base, operando con solo addizioni, posso ottenere tutti

Dettagli

Inidirizzi IP e Nomi di Dominio. Domain Name System. Spazio dei Nomi Piatto. Gestione dello Spazio dei Nomi

Inidirizzi IP e Nomi di Dominio. Domain Name System. Spazio dei Nomi Piatto. Gestione dello Spazio dei Nomi I semestre 03/04 Inidirizzi IP e Nomi di Dominio Domain Name System Prof. Vincenzo Auletta auletta@dia.unisa.it http://www.dia.unisa.it/professori/auletta/ Università degli studi di Salerno Laurea in Informatica

Dettagli

SOMMARIO. 2003 Gruppo 4 - All right reserved 1

SOMMARIO. 2003 Gruppo 4 - All right reserved 1 SOMMARIO STUDIO DEL DOMINIO DI APPLICAZIONE...2 Introduzione...2 Overview del sistema...2 Specificità del progetto 2...2 Utente generico...3 Studente...3 Docente...3 Amministratore di sistema...3 GLOSSARIO...4

Dettagli

su web che riportano documentazione e software dedicati agli argomenti trattati nel libro, riportandone, alla fine dei rispettivi capitoli, gli

su web che riportano documentazione e software dedicati agli argomenti trattati nel libro, riportandone, alla fine dei rispettivi capitoli, gli Prefazione Non è facile definire che cosa è un problema inverso anche se, ogni giorno, facciamo delle operazioni mentali che sono dei metodi inversi: riconoscere i luoghi che attraversiamo quando andiamo

Dettagli

Data warehouse.stat Guida utente

Data warehouse.stat Guida utente Data warehouse.stat Guida utente Versione 3.0 Giugno 2013 1 Sommario INTRODUZIONE 3 I concetti principali 4 Organizzazione dei dati 4 Ricerca 5 Il browser 5 GUIDA UTENTE 6 Per iniziare 6 Selezione della

Dettagli

Denuncia di Malattia Professionale telematica

Denuncia di Malattia Professionale telematica Denuncia di Malattia Professionale telematica Manuale utente Versione 1.5 COME ACCEDERE ALLA DENUNCIA DI MALATTIA PROFESSIONALE ONLINE... 3 SITO INAIL... 3 LOGIN... 4 UTILIZZA LE TUE APPLICAZIONI... 5

Dettagli

Privacy Policy del sito http://www.plastic-glass.com

Privacy Policy del sito http://www.plastic-glass.com Cos'è una PRIVACY POLICY Privacy Policy del sito http://www.plastic-glass.com Questo documento, concernente le politiche di riservatezza dei dati personali di chi gestisce il sito Internet http://www.plastic-glass.com

Dettagli

Flusso a costo minimo e simplesso su reti

Flusso a costo minimo e simplesso su reti Flusso a costo minimo e simplesso su reti La particolare struttura di alcuni problemi di PL può essere talvolta utilizzata per la progettazione di tecniche risolutive molto più efficienti dell algoritmo

Dettagli

Lo sviluppo delle abilità logico-matematiche. nei bambini in età prescolare

Lo sviluppo delle abilità logico-matematiche. nei bambini in età prescolare Istituto di Riabilitazione ANGELO CUSTODE PARLARE E CONTARE ALLA SCUOLA DELL INFANZIA Lo sviluppo delle abilità logico-matematiche nei bambini in età prescolare Dott.ssa Liana Belloni Dott.ssa Claudia

Dettagli

LEZIONE 14. a 1,1 v 1 + a 1,2 v 2 + a 1,3 v 3 + + a 1,n 1 v n 1 + a 1,n v n = w 1

LEZIONE 14. a 1,1 v 1 + a 1,2 v 2 + a 1,3 v 3 + + a 1,n 1 v n 1 + a 1,n v n = w 1 LEZIONE 14 141 Dimensione di uno spazio vettoriale Abbiamo visto come l esistenza di una base in uno spazio vettoriale V su k = R, C, permetta di sostituire a V, che può essere complicato da trattare,

Dettagli

Esercizi sull Association Analysis

Esercizi sull Association Analysis Data Mining: Esercizi sull Association Analysis 1 Esercizi sull Association Analysis 1. Si consideri il mining di association rule da un dataset T di transazioni, rispetto a delle soglie minsup e minconf.

Dettagli

La Borsa delle idee Innovare: il reale valore dei social network

La Borsa delle idee Innovare: il reale valore dei social network La Borsa delle idee Innovare: il reale valore dei social network Di cosa parliamo? La Borsa delle Idee è la soluzione per consentire alle aziende di coinvolgere attivamente le persone (dipendenti, clienti,

Dettagli

APPLICAZIONE WEB PER LA GESTIONE DELLE RICHIESTE DI ACQUISTO DEL MATERIALE INFORMATICO. Francesco Marchione e Dario Richichi

APPLICAZIONE WEB PER LA GESTIONE DELLE RICHIESTE DI ACQUISTO DEL MATERIALE INFORMATICO. Francesco Marchione e Dario Richichi APPLICAZIONE WEB PER LA GESTIONE DELLE RICHIESTE DI ACQUISTO DEL MATERIALE INFORMATICO Francesco Marchione e Dario Richichi Istituto Nazionale di Geofisica e Vulcanologia Sezione di Palermo Indice Introduzione...

Dettagli

ALFABETIZZAZIONE DI BASE Programma del Corso livello base

ALFABETIZZAZIONE DI BASE Programma del Corso livello base Un po di Storia ISP & Web Engineering ALFABETIZZAZIONE DI BASE Programma del Corso livello base Breve cenno sulla storia dell informatica: dagli albori ai giorni nostri; L evoluzione di Windows: dalla

Dettagli

Dimensione di uno Spazio vettoriale

Dimensione di uno Spazio vettoriale Capitolo 4 Dimensione di uno Spazio vettoriale 4.1 Introduzione Dedichiamo questo capitolo ad un concetto fondamentale in algebra lineare: la dimensione di uno spazio vettoriale. Daremo una definizione

Dettagli

Minimizzazione di Reti Logiche Combinatorie Multi-livello

Minimizzazione di Reti Logiche Combinatorie Multi-livello Minimizzazione di Reti Logiche Combinatorie Multi-livello Maurizio Palesi Maurizio Palesi 1 Introduzione Obiettivo della sintesi logica: ottimizzazione delle cifre di merito area e prestazioni Prestazioni:

Dettagli

Calc è il programma per la gestione di fogli di calcolo della suite OpenOffice.org.

Calc è il programma per la gestione di fogli di calcolo della suite OpenOffice.org. Calc è il programma per la gestione di fogli di calcolo della suite OpenOffice.org. Nuovo documento Anteprima di stampa Annulla Galleria Apri Controllo ortografico Ripristina Sorgente dati Salva Controllo

Dettagli

Proteggi la tua faccia

Proteggi la tua faccia Proteggi la tua faccia Tutorial per i minori sull uso sicuro e consapevole di Facebook a cura di Clementina Crocco e Diana Caccavale È come se ogni giorno intingessimo una penna nell inchiostro indelebile

Dettagli

app, API e opportunità Integrazione delle piattaforme e il futuro di Internet

app, API e opportunità Integrazione delle piattaforme e il futuro di Internet app, API e opportunità Integrazione delle piattaforme e il futuro di Internet 2 app, API e opportunità Integrazione delle piattaforme e il futuro di Internet L integrazione delle piattaforme è il concetto

Dettagli

Cos è il BULATS. Quali sono i livelli del BULATS?

Cos è il BULATS. Quali sono i livelli del BULATS? Cos è il BULATS Il Business Language Testing Service (BULATS) è ideato per valutare il livello delle competenze linguistiche dei candidati che hanno necessità di utilizzare un lingua straniera (Inglese,

Dettagli

DynDevice ECM. La Suite di applicazioni web per velocizzare, standardizzare e ottimizzare il flusso delle informazioni aziendali

DynDevice ECM. La Suite di applicazioni web per velocizzare, standardizzare e ottimizzare il flusso delle informazioni aziendali DynDevice ECM La Suite di applicazioni web per velocizzare, standardizzare e ottimizzare il flusso delle informazioni aziendali Presentazione DynDevice ECM Cos è DynDevice ICMS Le soluzioni di DynDevice

Dettagli

Germano Pettarin E-book per la preparazione all ECDL ECDL Modulo 2 Sistema Operativo Windows Argomenti del Syllabus 5.0

Germano Pettarin E-book per la preparazione all ECDL ECDL Modulo 2 Sistema Operativo Windows Argomenti del Syllabus 5.0 Germano Pettarin E-book per la preparazione all ECDL ECDL Modulo 2 Sistema Operativo Windows Argomenti del Syllabus 5.0 G. Pettarin ECDL Modulo 2: Sistema Operativo 2 Modulo 2 Il sistema operativo Windows

Dettagli