Corso di Studi in Ingegneria Informatica

SCHEDA DELL'INSEGNAMENTO (SI)
SSD ING-INF/05

 

LAUREA MAGISTRALE IN INGEGNERIA INFORMATICA

ANNO ACCADEMICO: 2022-2023

 

DOCENTE: ANTONIO M. RINALDI
TELEFONO: 0817683911
EMAIL: Questo indirizzo email è protetto dagli spambots. È necessario abilitare JavaScript per vederlo.

 

INSEGNAMENTO INTEGRATO (EVENTUALE): 
MODULO (EVENTUALE):
CANALE (EVENTUALE):
ANNO DI CORSO (I, II, III): II
SEMESTRE (I, II): II
CFU: 6

 

...................................................................................................................................................

 

...................................................................................................................................................

 

L'obiettivo del corso è quello di fornire agli studenti nozioni specialistiche per affrontare e risolvere le problematiche legate al processo di Information Retrieval (IR). Il corso presenterà metodi, modelli e tecniche per la ricerca di informazioni e descriverà aspetti tecnologici ed architetturali dei sistemi per l’IR. Verranno presentate metodologie per la rappresentazione delle informazioni sia testuali che multimediali tramite appositi descrittori, utilizzate tecniche di data mining, machine learning e deep learning per la loro analisi e tecnologie di memorizzazione basate su BigData in applicazioni di IR con particolare riferimento al semantic web, al web of data e ai dispositivi intelligenti. Verranno utilizzati strumenti software per la realizzazione completa di un sistema di Information Retrieval e presentati casi studio su applicazioni emergenti.

 

Conoscenza e capacità di comprensione
Il percorso formativo intende fornire agli studenti le conoscenze e gli strumenti metodologici necessari per analizzare le problematiche legate all’analisi delle informazioni per permettere il loro reperimento. Tali strumenti consentiranno agli studenti di comprendere le principali relazioni che sussistono tra rappresentare le informazioni, analizzarle e gestirle e di cogliere le conseguenze in termini di efficacia ed efficienza nel contesto dell’intero processo di Retrieval.
Capacità di applicare conoscenza e comprensione
Il percorso formativo è orientato a trasmettere le capacità e gli strumenti metodologici e operativi necessari ad applicare concretamente le conoscenze legate all’analisi delle informazioni nel processo di Retrieval per lo sviluppo di tecniche e l’utilizzo di tecnologie adeguate.

 

INTRODUZIONE ALL’INFORMATION RETRIEVAL (IR) - Il Problema del Retrieval delle Informazioni, Data retrieval ed Information retrieval, Utenti, Sistemi di IR, Il WEB, La Rilevanza delle Informazioni, Interfacce di Ricerca, Navigazione e Ricerca, Specifica delle Query, visualizzazione dei Risultati. MODELLI DI RETRIEVAL - Modellazione e Ranking, Modello Booleano, Modello Vettoriale, Modello Probabilistico, Modelli Avanzati per l’Information Retrieval. VALUTAZIONE DEL PROCESSO DI RTERIEVAL - Il Paradigma di Cranfield, Precision/Recall, F-measure, Altre Misure per la Valutazione, Collezioni di Documenti. RELEVANCE FEEDBACK E QUERY EXPANSION - L’Utente nel Processo di Retrieval, Un Framework per i Metodi di Feedback, Relevance Feedback Esplicito, Relevance feedback Implicito, Query Expansion. DOCUMENTI E QUERY - Formati Documentali, Proprietà del Testo, Preprocessing Documentale, Thesauri, Ontologie, Text Mining, Descrittori Multimediali, Linguaggi per le Query, Proprietà delle Query, Multimedia Query. CLASSIFICAZIONE DEL TESTO - Caratterizzazione della Text Classification, Algoritmi non Supervisionati, Algoritmi Supervisionati, Metriche di Valutazione, Organizzazione delle Classi. INDEXING - Il processo di Indicizzazione, Indici Inversi, Ricerca, Ranking, Costruzione, Query Strutturali. WEB RETRIEVAL - Il Web, La struttura del Web Graph, Modellare il Web, Link Analysis, Architetture dei Motori di Ricerca, Ranking nei Motori di Ricerca, Semantic Web, Web of Data, Search Engine User Interaction. WEB CRAWLING - Applicazioni di un Web Crawler, Architettura di un Crawler, Algoritmi di Scheduling. MULTIMEDIA RETRIEVAL - Definizione di Multimedia, Il Gap Semantico, Image Retrieval, Audio e Music Retrieval, Video Retrieval (cenni), Multimodal Information Retrieval ed Information Fusion, Tecniche di Intelligenza Artificiale, BigData e Deep Learning per il Retrieval e la Classificazione Multimediale.

 

Libro di testo: Ricardo Baeza-Yates, Berthier Ribeiro-Neto, Modern Information Retrieval: The Concepts and Technology Behind Search 2ed, Addison Wesley, 2011.
Slides del Corso.

 

Lezioni frontali, esercitazioni, seminari (Intelligenza Artificiale, Tecnologie di BigData e Deep Learning per Applicazioni Avanzate di IR), utilizzo di software specialistici (Lucene, Apache Solr, LIRE, OPENCV)

 

a) Modalità di esame:

L'esame si articola in prova:
Scritta e orale
Solo scritta o intercorso a metà
Solo orale
Discussione di elaborato progettuale
Altro

 

In caso di prova scritta i quesiti sono (*):
A risposta multipla
A risposta libera
Esercizi numerici