Abstract - Unisi.it

Research Projects Presentation
XXI cycle
Tuesday 11 December 2007 h 14.30 - 19.00
Wednesday 12 December 2007 h 11.00 - 19.00
Collegio S. Chiara, Siena
Ernesto Di Iorio
Relational Learning and Natural Language Processing: A bridge.
Il Relational Learning è una disciplina che da qualche anno ha fatto il suo ingresso nella comunità
del machine learning. Tale disciplina ha lo scopo di studiare algoritmi di apprendimento sia
supervisionato che semi-supervisionato in "domini strutturati", ovvero in quei campi applicativi in
cui i pattern (le entità su cui avviene l'apprendimento), sono tra loro connessi mediante relazioni che
esprimono una precisa semantica e che dunque conferiscono molte informazioni utili da sfruttare in
fase di learning.
Alcuni semplici esempi di tali domini sono il Web, dove le pagine sono tra loro connesse attraverso
gli hyperlink, il mondo della bio-informatica, ad esempio nel caso di classificazione di molecole,
dove gli atomi sono tra loro connessi attraverso un insieme di link che nel loro complesso
determinano un insieme di caratteristiche e funzionalità globali che specificano quella particolare
molecola, il mondo della visione artificiale, come nel caso del riconoscimento di immagini, le quali
vengono comunemente rappresentate attraverso un insieme di entità che internamente hanno
caratteristiche omogenee per forma e colore e connesse tra loro mediante relazioni di adiacenza
(Region Adiacency Graph).
La presentazione ha due obiettivi principali: il primo è quello di presentare un nuovo algoritmo
basato su reti neurali per la classificazione di pattern in domini strutturati e mostrarne alcuni
risultati ormai consolidati. Tale tecnica e le sue derivazioni sono il cuore del progetto di ricerca ed
il contributo principale. Il secondo obiettivo della presentazione sarà quello di discutere alcune
tematiche legate al Natural Language Processing e un'idea, sebbene ancora preliminare e senza
riscontri sperimentali, sull'utilizzo dei risultati ottenuti nel relational learning per lo sviluppo di un
algoritmo che permetta di ricostruire il deep parse tree di una frase mediante un algoritmo di parsing
bottom up che sfrutta il modello neurale proposto nei processi decisionali legati alla costruzione
dell'albero sintattico completo.