Un’introduzione al Trattamento Automatico del Linguaggio

Presentazione sul tema: "Un’introduzione al Trattamento Automatico del Linguaggio"— Transcript della presentazione:

1 Un’introduzione al Trattamento Automatico del Linguaggio
Cosa sono e come si analizzano i Big Data

2 Quale famoso romanzo trae ispirazione da ‘Un resoconto dei Principati di Valacchia e Moldavia: con varie osservazioni politiche che li riguardano’ di William Wilkinson?

3 Quali sono i nomi dei corvi di Odino?

4 Modalità di Esame Un esame Scritto a risposte Multiple sugli argomenti trattati durante il modulo che si terrà Lunedì 28 Maggio alle ore 9

5 A cosa serve la Linguistica Computazionale

6 L’Importanza dei Dati Testuali

7 L’NLP nella vita di tutti i giorni
Correzione automatica Siri, Google Now, Cortana… “Cerca e Sostituisci” “Suggerimenti” Google “Consigli” Amazon “Amici” Facebook Google Translate

8 Pattern Matching

9 Pattern Matching

10 Il Testo Digitale

11 Metadati Strutturali

12 Annotazione Linguistica

13 Informazioni Strutturali

14 Informazioni Linguistiche

15 Asimmetrie Informative

16 Experience Goods e Asimmetrie Informative
Beni Esempi Informazione Giudizio sulla qualità Search goods vestiti, smartphones completa prima dell’acquisto Experience goods  ristoranti hotel film incompleta dopo l’acquisto Credence goods assicurazioni cure mediche consulenze legali assente neanche dopo l’aquisto Phillip Nelson, (Mar. - Apr., 1970), Information and Consumer Behavior, Journal of Political Economy, Vol. 78, No. 2 pp

17 Experience Goods e Asimmetrie Informative
Asimmetria Informativa: condizione che si verifica nel mercato quando uno o più operatori dispongono di informazioni più precise di altri.  Dizionario di Economia e Finanza, Se i compratori non possono riconoscere i prodotti di buona qualità, possiamo aspettarci che la quantità di prodotti di buona qualità offerta dai venditori e acquistata dai consumatori sia inferiore a quella che sarebbe stata offerta e acquistata se tutti avessero avuto le stesse informazioni. Lavanda, I., & Rampa, G. (2001). Microeconomia: scelte individuali e benessere sociale. Carocci.

18 Experience Goods e Asimmetrie Informative
“ ” von Ungern-Sternberg, T., & von Weizsäcker, C. C. (1985). The Supply of Quality on a Market for" Experience Goods". The Journal of Industrial Economics, Possibilità di fondare il giudizio sulla qualità di un Experience Good sull’esperienza passata dei consumatori che, in “periodi” precedenti, hanno già acquistato il bene.

19 Experience Goods e Asimmetrie Informative
La natura di search good o experience good dipende da: possibilità di testare il servizio prima di acquistarlo costi della ricerca di informazioni Possibili fonti di informazione per gli experience goods: Reputazione che l’impresa si è costruita nel tempo Passaparola

20 Experience Goods e Asimmetrie Informative
Se si ha la possibilità di fare sondaggi, ad ogni sondaggio aumenta la probabilità di scegliere il bene o il servizio di buona qualità, quindi aumenta l’utilità attesa del consumatore Il consumatore continuerà a fare sondaggi finché il beneficio della ricerca supera il costo della stessa.

21 Impatto del Web sui SEC Goods
Pro Crescita degli user generated content: forum, discussion group, blog, social media, review website, aggregation site; Costumer empowerment Crescita dell’importanza del passaparola online (eWOM) Contro Crescita del commercio online Ampio volume, alta velocità e grande varietà di dati non strutturati

22 Impatto del Web sui SEC Goods
Pro Crescita degli user generated content: forum, discussion group, blog, social media, review website, aggregation site; Costumer empowerment Crescita dell’importanza del passaparola online (eWOM) Contro Crescita del commercio online Ampio volume, alta velocità e grande varietà di dati non strutturati riduzione del costo di ricerca delle informazioni information filtering distanza esplosione di contenuti

23 Big Data

24 Big Data circa 7 miliardi e mezzo di esseri umani popolano il mondo
due terzi della popolazione mondiale ha un cellulare più della metà del mondo utilizza uno smartphone quasi 4 miliardi di persone navigano su internet circa 3 miliardi sono attive sui social media

25

26 Big Data dataset eterogenei e non correlati tra loro; dati raw;
modelli predittivi complessi.

27 Filtrare l’informazione automaticamente
É possibile estrarre valore da caos? É indispensabile, per Il monitoraggio della reputazione aziendale online; La valutazione dei punti di forza e debolezza propri e dei competitors; La determinazione dei prezzi; La previsione della domanda; Ecc..

28 Filtrare l’informazione automaticamente
Dati Non sono dotati di un significato intrinseco Informazioni Dati organizzati in un contesto di interpretazione vs STRUTTURA + RELAZIONI TRA DATI DATI NON STRUTTURATI DATI STRUTTURATI