SWAP - Semantic Web Access and Personalization Research Group

Metodi per il Ritrovamento dell'Informazione (A.A. 2016/2017)

CdL in Informatica

Docente: Pierpaolo Basile
CFU: 7+2
Inizio lezioni: Luned́ 3 Ottobre 2016

News

  • Risultati appello del 14 novembre 2017
  • Risultati appello del 19 settembre 2017
  • Risultati appello del 04 settembre 2017
  • Proposte di tesi
  • Risultati appello del 04 luglio 2017
  • Risultati appello del 14 febbraio 2017
  • Risultati appello del 31 gennaio 2017
  • Il ricevimento studenti di marted́ 24 gennaio 2017 si terrà dalle 14:30 alle 15:30
  • Risultati appello del 18 gennaio 2017
  • Pubblicato il materiale didattico del corso
  • Per accedere al materiale iscriversi alla piattaforma Chalkup e richiedere il codice del corso al docente
  • [25 settembre 2016]: le lezioni avranno inizio il giorno 3 ottobre 2016 alle ore 10:30 e proseguiranno secondo il calendario ufficiale

Calendario delle lezioni

  • luned́ 10:30-13:30 aula Godel
  • marted́ 8:30-11:30 aula Godel
  • venerd́ 8:30-10:30 aula Godel
  • ricevimento studenti: marted́ 15:00-16:30 stanza 758 - VII piano

Programma preliminare

  • Information Retrieval
    • Introduzione
    • Architettura di un motore di ricerca
    • Vocabolario e postings lists
    • Indexing
    • Vector Space Model
    • Valutazione dei sistemi di Information Retrieval
    • Relevance feedback e query expansion
    • Probabilistic Information Retrieval
    • Language Models per l'Information Retrieval
  • Text classification
    • Introduzione
    • Naive Bayes
    • K-nn
    • Rocchio
  • Information Filtering
    • Introduzione
    • Collaborative Filtering
    • Content-based Filtering
    • Valutazione dei sistemi di Information Filtering
  • Semantic Web
    • Introduzione al Semantic Web
    • I linguaggi del Semantic Web: RDF, SPARQL
    • Introduzione a Linked Open Data e BigData
  • Esercitazioni
    • Indexing e Search con Apache Lucene
    • Information Filtering con MyMediaLite Recommender System Library
  • Modalità di esame
    • Una prova scritta e una prova orale
    • Sono previsti esoneri parziali durante il corso

Materiale didattico

Prove scritte

Proposte di tesi

  • Sviluppo di recommender systems che utilizzano dati provenienti dalla Linked Open Data cloud per la rappresentazione dei profili e dei contenuti
  • Sviluppo di sistemi per la sentiment analysis
  • Analisi di modelli di retrieval BM25 e DFR per la realizzazione di recommender systems content based
  • Algoritmi di Entity Recognition ed Entity Linking
  • Entity-based ad-hoc retrieval: studio di modelli di information retrieval basati su entità