La presentazione è in caricamento. Aspetta per favore

La presentazione è in caricamento. Aspetta per favore

Università degli Studi del Molise Tesi di Laurea in Informatica Applicazioni di modelli matematici alla ricerca semantica Candidato Dario Di Nucci 130804.

Presentazioni simili


Presentazione sul tema: "Università degli Studi del Molise Tesi di Laurea in Informatica Applicazioni di modelli matematici alla ricerca semantica Candidato Dario Di Nucci 130804."— Transcript della presentazione:

1 Università degli Studi del Molise Tesi di Laurea in Informatica Applicazioni di modelli matematici alla ricerca semantica Candidato Dario Di Nucci Relatore Prof. Giovanni Capobianco

2 Internet è una rete di computer mondiale ad accesso pubblico che attualmente rappresenta il principale mezzo di comunicazione di massa. I suoi utenti nel 2010 hanno raggiunto quota 1,97 miliardi in crescita del 14% rispetto allanno precedente. Il numero dei siti web nel 2010 ha raggiunto quota 255 milioni, di cui 21,4 aperti nellultimo anno. Contesto applicativo EVOLUZIONE DI INTERNET

3 Cosa è? Insieme delle tecniche atte al recupero mirato dellinformazione in formato elettronico. Cosa fa? Le tecniche di IR basate su modelli vettoriali, applicano il concetto di somiglianza testuale tra una base di dati e una query, restituendo una serie di documenti pertinenti. Modelli matematici più importanti? Vector Space Model Latent Semantic Indexing … Applicazioni più note? Motori di ricerca. Contesto applicativo INFORMATION RETRIEVAL

4 Contesto applicativo VECTOR SPACE MODEL

5 Problema: lutente va alla ricerca delle informazioni basandosi su concetti e non su singole parole. Il cuore del LSI è rappresentato dalla decomposizione ai valori singolari (SVD). Contesto applicativo LATENT SEMANTIC INDEXING

6 Nella fruizione dei documenti presenti sul web è fondamentale per lutente un motore di ricerca che restituisca risultati corretti. Nella sua realizzazione tre problemi che sicuramente incidono negativamente sulla bontà dei risultati sono: polisemia sinonimia query malformate Motivazioni PROBLEMATICHE COMUNI

7 Molte parole hanno più di un significato, quindi una query potrebbe condividere dei termini con un documento, sebbene questultimo non sia rilevante. Conte Motivazioni POLISEMIA

8 Esistono diversi modi per esprimere uno stesso concetto; ciò implica che una query potrebbe non condividere termini con un documento, sebbene questultimo sia rilevante per la query stessa. Automobile Macchina Auto Motivazioni SINONIMIA

9 Spesso lutente inserisce, per errore, query non valide o che non rappresentano bene linformazione ricercata. Conta Motivazioni QUERY MALFORMATE

10 Obiettivi Migliorare laccuratezza dei risultati forniti da un motore di ricerca, attraverso il profiling degli utenti. Profiling?! Attraverso le query fornite dallutente e i risultati da questi selezionati, il sistema acquisisce esperienza. In questo modo restituisce risultati con un grado di correttezza crescente. PROFILING

11 E stato realizzato un motore di ricerca basato su una nota libreria di Information Retrieval, Lucene. Lucene è un progetto open source promosso dalla Apache Software Foundation. docs Hound INTRODUZIONE

12 Si occupa di analizzare le pagine web. Per ogni documento: estrapola informazioni testuali individua le categorie inerenti aggiorna le definizioni delle categorie Ogni categoria è identificata da un vocabolario, costituito da un insieme di termini. docs Hound INDEXER

13 Ad ogni utente è associato un profilo di ricerca, sotto forma di distribuzione di probabilità. Il valore della preferenza di una categoria aumenta seguendo l'andamento di una funzione logistica. I valori delle categorie non scelte sono decrementati in modo proporzionale. docs Hound PROFILING UTENTE

14 Scelte occasionali per una categoria modificano soltanto lievemente il profilo, mentre scelte consecutive hanno effetto via via maggiore. Quando la preferenza per una categoria raggiunge un valore sufficientemente più elevato rispetto alle altre, si stabilizza su tale posizione. docs Hound FUNZIONE LOGISTICA

15 Restituisce le pagine web ordinandole per punteggio. Il punteggio è calcolato in funzione dell'attinenza della pagina web con la query e il profilo dell'utente. In particolare: punteggio = punteggio query * (1 + punteggio profilo) Per ridurre i problemi causati da query malformate, il parser delle query applica a queste un grado di casualità utilizzando tecniche fuzzy. docs Hound SEARCHER

16 docs Hound TESTING Query 1Query 2Query 3Query 4Query 5Tot diff Utente Utente Utente Utente Utente

17 Al termine della sperimentazione si può affermare che le tecniche di profiling sono una buona soluzione per il problema della polisemia. Il problema delle query malformate è stato mitigato applicando un grado di casualità ad esse. CONCLUSIONI

18 Integrazione di un crawler nel sistema al fine di renderlo operativo. Miglioramento della categorizzazione di utenti e pagine attraverso una crescente accuratezza dei vocabolari che ne costituiscono le definizioni. Gestione automatica della funzione logistica in base al numero di categorie. Testing approfondito con un maggior numero di utenti. SVILUPPI FUTURI

19 Grazie per lattenzione


Scaricare ppt "Università degli Studi del Molise Tesi di Laurea in Informatica Applicazioni di modelli matematici alla ricerca semantica Candidato Dario Di Nucci 130804."

Presentazioni simili


Annunci Google