Corso di Sistemi Informativi

Obiettivi del corso

Programma di massima del corso

Orario del corso

Orario di ricevimento

Calendario degli accertamenti di profitto

Riferimenti bibliografici

Tesi di Laurea disponibili

Obiettivi del corso

L'obiettivo del corso è quello di fornire un'introduzione ai concetti fondamentali e alle tecniche dell'information retrieval, la disciplina che si occupa della realizzazione di sistemi per l'accesso mediante mezzo informatico a dati con semantica non formalizzata. In particolare, il corso introdurrà metodi e tecniche per la ricerca e la gestione basata su contenuto di testi, nonché alcune applicazioni avanzate di questa tecnologia come i motori di ricerca su Web, la categorizzazione e il clustering automatici di documenti in forma digitale, e l'estrazione di informazione. Il corso dà luogo al conseguimento di 6 CFU.

Programma di massima del corso (48 ore)

• Introduction
• What is information retrieval?
• The evolution of information retrieval
• The nature of information retrieval
• Representing documents and information needs
• Relevance: partiality and probability
• Evaluation and experimentation
• Relevance feedback and query expansion/reformulation
• "Experimental" vs. "operational" IR systems

• Models of Information Retrieval
• "Mathematical" models of IR
• The Boolean model (≈ 1955)
• The vector space model (Salton ≈ 1965)
• The probabilistic model (Robertson & Sparck Jones 1976)

• Techniques for Text Retrieval
• Text indexing
• Probabilistic indexing
• Text pre-processing
• Use of dictionaries for polysemy and omonymy resolution
• Use of thesauri for synonymy resolution
• Natural language processing
• Techniques for enhancing efficiency or effectiveness

• Automated Text Categorization
• A definition of the text categorization (TC) task
• Applications of text categorization
• The machine learning approach to text categorization
• Indexing and dimensionality reduction
• Methods for the inductive construction of a classifier
• Evaluation issues for text categorization
• Automatic categorization of Web pages
• Future directions

• Automated Text Clustering
  
• A definition of the clustering task
• Applications of text (and term) clustering
• Clustering algorithms
• Evaluating clustering algorithms
• Labelling clusters

• Advanced Techniques
• Preference Learning
  
• Kernels for Information Retrieval
• Web retrieval

Orario del corso

Il corso fa parte del I anno del Corso di Laurea Specialistica in Informatica, Università di Padova, ed è collocato nel I trimestre dell'Anno Accademico 2006/07, con il seguente orario:
 

	Giorno	Orario	Aula
Lezione	Lunedi	13.30 -- 15.30	1B50, Torre Archimede
Lezione	Martedi	10.30 -- 12.30	1B50, Torre Archimede
Lezione	Mercoledi	11.30 -- 13.30	1B50, Torre Archimede

Orario di ricevimento 

Giorno	Orario	Studio
Lunedì	15:30 -- 16:30	426, IV piano Torre Archimede

Calendario degli accertamenti di profitto

L'accertamento di profitto comprenderà un seminario (da tenersi dallo studente su una tema a scelta fra una rosa di temi proposti dal docente) o un progetto (consistente nella realizzazione di un modulo di un sistema di IR), eventualmente da realizzarsi in gruppo, e su di una prova orale.
Possibili argomenti di seminario.

ISCRITTI ai SEMINARI

1) Brognara Daniele (Web Crawling), slides
2) Dal Maso Federico (Architettura "Map/Reduce" per l'elaborazione di indici di grandi dimensioni)
3) De Filippo Michele (Music Retrieval), slides
4) Deste Laura (XML based IR), slides
5) Kopliku Arlind (Web Crawling), slides
6) Mezzetti Enrico (Preference Learning), slides
7) Munaretto Matteo (IR for Asiatic Documents), slides
8) Veronese Alberto (Language Modelling), slides

ORALI
Giovedi 21/12/06 ore 9:30 - Aula 2B/40, TA
Giovedi 11/01/07 ore 9:30 - Aula 2C/30, TA
Martedi 17/07/07 ore 10:00 - Aula 1AD/30, TA
Martedi 18/09/07 ore 10:00 - Aula 1AD/30, TA

Riferimenti bibliografici

• Il libro di testo consigliato e' il seguente:

Christopher D. Manning, Prabhakar Raghavan and Hinrich Schütze, Introduction to Information Retrieval, Cambridge University Press. 2007.

(N.B. Ancora in versione Draft, l'ultima versione e' scaricabile da qui).

Parte	Copie dei lucidi
Introduzione all'IR	Lezione 1, Lezione 2
Modello Booleano	Lezione 3
Modelli Fuzzy e Vector Space	Lezione 4, Lezione 5
Modello Probabilistico	Lezione 6
Relevance Feedbak & Co.	Lezione 7
Text Pre-processing	Lezione 8
Text Categorization	Lezione 9 Lezione 10 Lezione 11 Lezione 12 Lezione 13 Lezione 14 Lezione 15
Document Clustering	Lezione 16 Lezione 17 Lezione 18
Web Search Engines	Lezione 19 Lezione 20

• Sulla parte 2 è anche disponibile la dispensa

Fabrizio Sebastiani. Models of information retrieval. Servizio Editoriale Universitario, Pisa, 1998 (scarica la dispensa e la sua copertina).

• Sulla Text Categorization è disponibile la dispensa

Fabrizio Sebastiani. Machine learning in automated text categorization. ACM surveys (scarica la dispensa). 

• Sul Preference Learning e' disponibile l'articolo

• I seguenti articoli costituiscono inoltre lettura consigliata.
  

• I seguenti libri di testo sono consigliati per la consultazione. 

	Ellen M. Voorhees and Donna K. Harman (eds.). TREC: Experiment and Evaluation in Information Retrieval. The MIT Press, Cambridge, MA, 2005. (Prossimamente disponibile presso la Biblioteca del Seminario Matematico.).
	David A. Grossman and Ophir Frieder. Information Retrieval: Algorithms and Heuristics. 2nd Edition, Springer Verlag, Heidelberg, DE, 2004.
	Maristella Agosti, Fabio Crestani, and Gabriella Pasi (eds.). Lectures in Information Retrieval. Published in the Lecture Notes in Computer Science series, number 1980, Springer Verlag, Heidelberg, DE, 2001.
	Ricardo Baeza-Yates e Berthier Ribeiro-Neto. Modern Information Retrieval. Addison Wesley, Reading, US, 1999. (Disponibile presso la Biblioteca del Seminario Matematico, Collocazione: 0.INF.044).
	Soumen Chakrabarti. Mining the Web. Morgan Kaufmann, San Francisco, US, 2003. Disponibile presso la Biblioteca Interdipartimentale di Ingegneria dell'Informazione e Ingegneria Elettrica, Collocazione: DEI.C/PE.Ac.IV.269. [Leggi la recensione su SearchEngineWatch].
	Christopher Manning and Hinrich Schütze. Foundations of Statistical Natural Language Processing. The MIT Press, Cambridge, US, 1999. (Disponibile presso la Biblioteca Interdipartimentale di Ingegneria dell'Informazione e Ingegneria Elettrica, Collocazione: DEI.Ac.I.48).
	Ian H. Witten, Alistair Moffat, and Timothy C. Bell. Managing Gigabytes.2nd Edition, Morgan Kaufmann, San Francisco, US, 1999. (Disponibile presso la Biblioteca Interdipartimentale di Ingegneria dell'Informazione e Ingegneria Elettrica, Collocazione: DEI.Rb.IV.51).

Tesi di Laurea disponibili

Vorrei segnalare a chi fosse interessato che sono disponibile a seguire lavori di tesi nel settore del Machine Learning  applicato all' Information Retrieval ed in particolare nella categorizzazione, clustering e ranking di testi. L'invito si indirizza in particolare alle persone che sono a pochi esami (non piu' di 3) dalla tesi, e che hanno trovato di proprio interesse gli argomenti trattati nel corso di Sistemi Informativi.

Chi fosse interessato è invitato a contattarmi per un colloquio preliminare.