Web Mining And Retrieval 2012/2013

Sezione I: Machine Learning e Learning basato su kernel.

Richiami. Metodi Supervised. Metodi probabilistici e generativi. Metodi Unsupervised. Clustering. Metriche di similarità semantica. Metodi agglomerativi. K-mean.

Modelli Markoviani. Hidden Markov Models.

Kernel-based Learning. Kernel polinomiali e RBF. String Kernels. Tree kernels. Latent Semantic kernels. Semantic kernels. Applicazioni.  

Sezione II: Statistical Language Processing

Supervised Language Processing tools. HMM-based POS tagging. Named Entity Recognition.

Statistical parsing. PCFGs: Charniak parser. Modelli di Parsing Lessicalizzati.

Shallow Semantic Parsing: kernel based semantic role labeling.

Information Extraction.

Sezione III: Web Mining & Retrieval.

Modelli di ranking per il Web. Introduzione alla Social Network Analysis: rango, centralità.

Modelli di random walk: Page Rank. Motori di ricerca. SEO. Google.

Sistemi di Question Answering. Open-domain Information Extraction.

Acquisizione di Conoscenza da Wikipedia. Social Web. Algoritmi su grafi per la community detection.

Introduzione all’Opinion Mining e al Sentiment Analysis.

Testi

• Christopher D. Manning, Prabhakar Raghavan and Hinrich Schütze, Introduction to Information Retrieval, Cambridge University Press. 2008. Consultabile on-line
• C.M. Bishop "Pattern Recognition and Machine Learning" Springer, 2006
• Roberto Basili, Alessandro Moschitti, Text Categorization: from Information Retrieval to Support Vector Learning, ARACNE Editore, 2005.
• Bing Liu, Web Data Mining: Exploring Hyperlinks, Contents, and Usage Data. 2nd Edition, July 2011, Springer.
• Note del docente e articoli scientifici distribuite durante il corso.

Comunicazioni Per una migliore fruizione del Corso è fortemente consigliata la sua associazione con i Corsi di Machine Learning e Information Retrieval del Semestre 1. E’ inoltre fortemente consigliata la fruizione del Corso di Natural Language Processing durante lo stesso Semestre 2. Strumenti e tool per la progettazione di sistemi di Web retrieval basati su Machine learning verranno resi disponibili durante il Corso in lezioni di laboratorio dedicate. In progetti dedicati verranno progettate e sperimentate piattaforme per task di Statistical Natural Language Processing, Link Analysis ed Opinion Mining nell’ambito dei Web-based Content Management Systems.