CV - Unical

annuncio pubblicitario

Curriculum Vitae et Studiorum
di Sergio Greco
professore ordinario presso il
Dipartimento di Ingegneria Informatica, Modellistica, Elettronica e Sistemistica
dell’Università della Calabria
Dati anagrafici
nome
data di nascita
luogo di nascita
cittadinanza
residenza
tel. ufficio
tel. mobile
e-mail
Sergio Greco
25 novembre 1955
Carlopoli (CZ)
italiana
via Mosca, Residence Green Park, 87036 Rende (CS)
0984 494740
320 4204740
[email protected]
Indice
1 Posizioni ricoperte e attività di studio
1.1 Posizione attuale . . . . . . . . . . . .
1.2 Posizioni precedenti e correnti . . . . .
1.3 Attività di studio e borse di studio . .
1.4 Attività di ricerca presso istituti esteri
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
2 Attività di ricerca
2.1 Basi di dati inconsistenti e incomplete . . . . . . . . . . . . . . . . .
2.2 Datalog con Simboli di Funzione . . . . . . . . . . . . . . . . . . . .
2.3 Knowledge Discovery e Data Mining . . . . . . . . . . . . . . . . . .
2.4 Bioinformatica . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.5 Estensioni di Datalog: semantica, espressività e complessità . . . . .
2.6 Programmazione Logica e Basi di Dati Disgiuntive. . . . . . . . . . .
2.7 Ottimizzazione di interrogazioni logiche . . . . . . . . . . . . . . . .
2.8 Integrazione di Basi di Dati Attive e Deduttive . . . . . . . . . . . .
2.9 Linguaggi di Interrogazione per dati a grafo, semistrutturati e XML
2.10 Tecniche per la navigazione di siti e la classificazione di pagine web.
2.11 Integrazione di basi di dati ed interrogazione di basi di dati federate.
2.12 Matching ed Unificazione di set-terms . . . . . . . . . . . . . . . . .
2.13 Programmazione Logica con Array . . . . . . . . . . . . . . . . . . .
2.14 Integrazione di Basi di Dati e Programmazione Logica . . . . . . . .
2.15 Integrazione di Programmazione Logica e Programmazione Orientata
1
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
3
3
3
4
4
. . . . . . . .
. . . . . . . .
. . . . . . . .
. . . . . . . .
. . . . . . . .
. . . . . . . .
. . . . . . . .
. . . . . . . .
. . . . . . . .
. . . . . . . .
. . . . . . . .
. . . . . . . .
. . . . . . . .
. . . . . . . .
agli Oggetti .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
4
4
7
8
9
9
12
13
14
14
15
15
16
16
17
17
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
3 Altre attività scientifiche
3.1 Chair di conferenze . . . . . . . . . . . .
3.2 Editorial Boards . . . . . . . . . . . . .
3.3 Partecipazione a comitati di programma
3.4 Revisioni per riviste e congressi . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
17
17
18
18
19
4 Alumni
19
4.1 Dottori di ricerca . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
4.2 Studenti di dottorato . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
5 Coordinamento di progetti
20
5.1 Progetti di Ricerca . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
5.2 Progetti di ricerca - azione di Formazione . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
6 Partecipazione a progetti di ricerca
22
7 Premi e Riconoscimenti
23
8 Spin-off
24
9 Attività didattiche
9.1 Corsi svolti presso l’Università della Calabria . . . . . . . . . . . . . . . . . . . . . . . . . . .
9.2 Docenza presso altre sedi universitarie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
9.3 Altre attività didattiche . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
24
24
25
25
10 Attività organizzative
25
11 Elenco delle Pubblicazioni
11.1 Libri e monografie . . . . . . . . . . . . . . . . . . .
11.2 Atti di conferenze e numeri speciali di riviste . . . .
11.3 Riviste internazionali . . . . . . . . . . . . . . . . . .
11.4 Lavori sottomessi a riviste a carattere internazionale
11.5 Riviste a carattere nazionale . . . . . . . . . . . . . .
11.6 Congressi internazionali . . . . . . . . . . . . . . . .
11.7 Workshops internazionali . . . . . . . . . . . . . . .
11.8 Capitoli di Libri . . . . . . . . . . . . . . . . . . . .
11.9 Raccolte Monografiche . . . . . . . . . . . . . . . . .
11.10Poster e articoli brevi . . . . . . . . . . . . . . . . .
11.11Congressi a carattere nazionale . . . . . . . . . . . .
2
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
27
27
27
27
31
32
32
38
39
40
40
40
1
Posizioni ricoperte e attività di studio
1.1
Posizione attuale
• Professore ordinario presso il Dipartimento di Ingegneria Informatica, Modellistica, Elettronica e Sistemistica (DIMES) dell’Università della Calabria, SSD ING-INF/05 (Sistemi di Elaborazione dell’Informazione).
• Direttore del Dipartimento di Ingegneria Informatica, Modellistica, Elettronica e Sistemistica.
• Coordinatore del dottorato di ricerca in Ingegneria dei Sistemi e Informatica.
• Coordinatore del dottorato di ricerca in Information and Communication Engineering for Pervasive
Intelligent Environments.
• Membro del Senato Accademico dell’Università della Calabria.
1.2
Posizioni precedenti e correnti
• Da Novembre 2012 ricopre il ruolo di direttore del Dipartimento di Ingegneria Informatica, Modellistica, Elettronica e Sistemistica.
• Da Novembre 2002 a Ottobre 2012 ha ricoperto il ruolo di direttore del Dipartimento di Elettronica
Informatica e Sistemistica.
• Da Gennaio 2013 è coordinatore del dottorato di ricerca Information and Communication Engineering
for Pervasive Intelligent Environments.
• Da Novembre 2012 è coordinatore del dottorato di ricerca in Ingegneria dei Sistemi e Informatica
(attivo ancora per i prossimi due anni).
• Da Novembre 2012 è membro del Senato Accademico dell’Università della Calabria, eletto in rappresentanza dei direttori di dipartimento.
• Da Novembre 2012 presta servizio in qualità di professore ordinario presso il Dipartimento di Ingegneria
Informatica, Modellistica, Elettronica e Sistemistica dell’Università della Calabria.
• Da Novembre 2000 a Ottobre 2012 ha prestato servizio in qualità di professore di prima fascia presso
la Facoltà di Ingegneria dell’Università della Calabria.
• Da Novembre 1998 a Ottobre 2000 ha prestato servizio in qualità di professore associato presso la
Facoltà di Ingegneria dell’Università della Calabria.
• Da Giugno 1989 ad Ottobre 1998 ha prestato servizio in qualità di ricercatore presso la Facoltà di
Ingegneria dell’Università della Calabria. Nel mese di Giugno 1992 è stato confermato nel ruolo di
ricercatore.
• Da Febbraio 1986 a Giugno 1989 ha prestato servizio presso il CRAI (Consorzio per la Ricerca e le
Applicazioni di Informatica) di Rende, operando con la qualifica di specialista senior e ricoprendo
l’incarico di responsabile di progetto.
• Da Aprile 1984 fino a Febbraio 1986 ha fruito, presso il CRAI di una borsa di studio per la formazione
di specialisti informatici, indetta dal Formez e finanziata dalla Comunità Economica Europea nel
quadro del programma FSE.
3
1.3
Attività di studio e borse di studio
Ha conseguito la laurea in Ingegneria delle Tecnologie Industriali (ind. Elettrico) presso l’Università degli
Studi della Calabria, discutendo la tesi “Progetto e implementazione di un linguaggio ad alto livello per la
progettazione e la simulazione di architetture di calcolo”.
Nel 1984 è risultato vincitore di una borsa di studio triennale, indetta dal Formez, per la formazione di
ricercatori in Informatica. Nell’ambito di tale borsa, per i primi diciotto mesi, ha seguito presso il CRAI
una serie di corsi intensivi tenuti da docenti univeritari provenienti da varie sedi universitarie italiane; nei
successivi mesi ha svolto attività di “training on the job”.
Nel 1990 è risultato vincitore di una borsa di studio del CNR di durata annuale per lo svolgimento di
ricerche presso istituti di ricerca esteri.
Nel 1996 è risultato vincitore di una borsa di studio NATO-CNR “Senior Fellowship” di durata bimestrale
per lo svolgimento di ricerche presso istituti di ricerca esteri.
Nel 2000 è risultato vincitore di una borsa di studio NATO-CNR “Senior Fellowship” di durata bimestrale
per lo svolgimento di ricerche presso istituti di ricerca esteri.
1.4
Attività di ricerca presso istituti esteri
Nel periodo Luglio 1990 - Luglio 1991 ha fruito di una borsa di studio del CNR svolgendo attività di ricerca
presso il centro di ricerca dell’MCC (Mycroelectronics and Computer Corporation) di Austin (Texas).
Nel periodo Agosto-Settembre 1996 ha fruito di una borsa di studio NATO-CNR svolgendo attività di
ricerca presso il Computer Science Department dell’Università della California di Los Angeles (USA).
Nei periodi Ottobre-Dicembre 1991, Agosto-Settembre 1994 e Agosto-Settembre 1998 ha svolto attività
di ricerca presso il Computer Science Department dell’Università della California di Los Angeles (USA).
2
Attività di ricerca
Le attività di ricerca hanno riguardato principalmente le basi di dati, la programmazione logica e l’intelligenza
artificiale, la rappresentazione della conoscenza ed il ragionamento non-monotono, complessità e potere
espressivo dei linguaggi logici. Di seguito vengono presentati i risultati più significativi nei principali ambiti
nei quali la ricerca è stata svolta.
2.1
Basi di dati inconsistenti e incomplete
I vincoli di integrità di una base di dati sono espressi mediante formule logiche che definiscono stati accettabili
e coerenti dei dati, cioè proprietà dei dati che devono essere soddisfatte dalle istanze della base di dati.
Tuttavia, mentre in passato si assumeva che le istanze ammissibili fossero consistenti (rispetto ai vincoli di
integrità quali, ad esempio, quelli di chiave), le applicazioni ed i contesti correnti impongono la presenza
di istanze inconsistenti. Ciò è anche dovuto al fatto che le basi di dati correnti spesso integrano dati
provenienti da sorgenti diverse (anche disponibili attraverso la rete Internet). Per questo motivo la gestione
di dati inconsistenti svolge un ruolo chiave nelle applicazioni correnti. In tale contesto, il problema principale
è quello di calcolare la risposta “corretta” di una interrogazione posta su una base di dati inconsistente. Due
approcci sono stati definiti nella recente letteratura. Il primo consiste nel generare, a partire da una base
di dati inconsistente, una o più basi di dati “riparate”, ottenute da quella di partenza attraverso un insieme
minimale di operazioni di inserimento/cancellazione (o di modifica) di tuple e di eseguire l’interrogazione sulle
basi di dati riparate (cioè si riscrive la base di dati). Il secondo consiste invece nel riscrivere l’interrogazione
in modo da poter calcolare la risposta corretta eseguendo l’interrogazione riscritta sulla base di dati sorgente.
Query rewriting. In [9] viene presentata una tecnica di riscrittura di interrogazioni congiuntive su basi
di dati che potrebbero violare i vincoli di chiave. Quando la riscrittura è possibile, a partire da una interrogazione congiuntiva espressa nel calcolo relazionale (o, equivalentemente, in algebra relazionale o SQL) è
4
possibile generare una nuova interrogazione espressa nel calcolo relazionale che se valutata su una base di
dati incerta (che potrebbe violare i vincoli di chiave), permette di ottenere le risposte certe. Il lavoro mostra
che la conoscenza, oltre ai vincoli che potrebbero essere violati, di ulteriori vincoli come, ad esempio, dipendenze funzionali o join dependencies, che sono soddisfatti, permette la riscrittura di alcune interrogazioni
che altrimenti, come è stato mostrato precedentemente, non sarebbero riscrivibili. Le interrogazioni riscrivibili, essendo esprimibili nel calcolo relazionale, hanno una complessità che ricade nella classe AC 0 e, quindi,
calcolabili in modo molto efficiente.
Calcolo di risposte consistenti probabilistiche. La maggior parte delle ricerche che trattano il problema di calcolare risposte certe ad interrogazioni su basi di dati inconsistenti, sono basate sulla nozione di
riparazione, cioè sulla determinazione di una o più basi di dati consistenti ottenute attraverso l’applicazione
di un insieme minimale di operazioni di inserimento o eliminazione di tuple. In [11, 74] viene presentata una
nuova definizione di riparazione e di risposta certa ad una base di dati inconsistente, in presenza di dipendenze funzionali. L’obiettivo è quello di evitare alcuni problemi presenti nell’approccio classico e dovuti al
fatto che la cancellazione di tuple comporta anche la perdita di informazioni che sono certe. Per far fronte
a questo problema, la riparazione è ottenuta attraverso la modifica dei valori delle tuple e viene proposta
una nuova semantica di risposta certa attraverso la determinazione di una base di dati probabilistica che
“riassume” tutte le basi di dati riparate. Poiché la valutazione di interrogazioni su basi di dati probabilistiche è particolarmente complessa a causa della difficoltà di calcolare la probabilità da associate alle tuple
contenute nella risposta, una tecnica per il calcolo di probabilità “approssimate” è stata altresı̀ proposta.
Semantica three-valued. Una nuova semantica per il calcolo di ripararioni e risposte consistenti di tipo
“approssimato” è stata proposta in [24,77]. La semantica di tipo three-value associa alle tuple presenti in
una base di dati un valore di verità che può vero o indefinito (le tuple mancanti hanno associato il valore
di verità falso). Il nuovo approccio permette di calcolare una base di dati riparata unica di tipo threevalued. Sulla base di ciò è possibile calcolare la risposta ad una interrogazione in tempo polinomiale. La
risposta è “approssimata” nel senso che le tuple vere nella risposta sono contenute nell’insieme di tuple certe
considerando l’approccio classico. La risposta ad una interrogazione può essere calcolata riscrivendo i vincoli
in termini di regole Datalog e calcolando un modello deterministico del programma (ad esempio, il modello
well-founded o il modello max-deterministic).
Interrogazioni polinomiali. Il calcolo di risposte certe considerando vincoli ristretti quali dipendenze
funzionali, vincoli di inclusione e vincoli di chiave esterna sono stati studiati in [13, 15, 22]. In tali lavori è
stato mostrato che in presenza di soli vincoli di dipendenza funzionale o di vincoli di inclusione espresse da
formule universalmente quantificate la risposta certa di alcune classi di interrogazioni puó essere ottenuta
in tempo polinomiale.
Approccio logico basato sulla riscrittura di vincoli. Uno schema generale per il calcolo di riparazioni e risposte consistenti basato sulla programmazione logica è stato presentato in [35, 104, 109,
113]. L’approccio consiste nella riscrittura dei vincoli di integrità, espressi mediante formule del calcolo dei
predicati di tipo full tuple generating dependencies , in termini di regole Disjunctive Datalog (cioè, regole
Datalog la cui testa può essere costituita da una disgiunzione di atomi). Il programma derivato può essere
utilizzato per calcolare non solo le riparazioni della base di dati, ma anche le risposte certe, attraverso la
determinanzione dei modelli stabili del programma. La nuova tecnica è più generale rispetto a quelle precedentemente proposte ed è completa e corretta, nel senso che ogni modello stabile definisce una riparazione
ed ogni riparazione è derivato da un modello stabile. Lo schema è stato ulteriormente esteso attraverso
l’introduzione di “vincoli speciali” detti vincoli di riparazione, una forma di vincoli che possono essere utilizzati per specificare l’insieme di riparazioni ammissibili. Infine, sono state introdotte alcune “regole di
preferenza” che permettono di dare la preferenza ad alcune riparazioni della base di dati rispetto ad altre.
5
La complessità del calcolo delle risposte certe, nel caso generale e nel caso di specifiche classi di vincoli è
stata altresı̀ studiata.
In [91, 93] sono introdotti nuovi tipi di vincoli che definiscono condizioni di ammissibilità e criteri di
preferenza che, associati a vincoli di integrità classici, permettono di limitare il numero di riparazioni e di
aumentare il potere espressivo delle interrogazioni su basi di dati inconsistenti. La complessità del calcolo
delle riparazioni e l’espressività dei linguaggi di interrogazione sono stati altresı̀ studiati.
La riparazione di dati XML che sono incoerenti e incompleti rispetto ad un insieme di vincoli di integrità
e di un DTD è studiata in [94]. Il problema dell’esistenza di riparazioni è studiato e dimostrato essere
indecidibile sia nel caso generale, che nel caso ristretto dove i dati vengono interpretati come “corretti” e
“incompleti” (cioè, possano essere riparati effettuando solo operazioni di inserimento). Tuttavia, diventa decidibile se si considerano ristrette classi di vincoli o nel caso in cui i dati incoerenti vengono interpretati come
dati completi ed, eventualmente, non corretti (in modo che le riparazioni sono ottenute mediante operazioni
di pulizia di dati consistenti sole di cancellazione di tuple). Per tali casi la complessità computazionale del
problema è stata analizzata.
Terminazione dell’algoritmo Chase. Il Chase è un algoritmo di punto fisso utilizzato in molti contesti
delle basi di dati tra i quali, in presenza di dati che non soddisfino i vincoli di integrità (data dependencies),
la modifica della base di dati per garantire, se possibile, il loro soddisfacimento. La sua esecuzione prevede
l’inserimento di tuple con possibili valori nulli e il cambiamento di valori nulli che possono essere resi uguale a
costanti o altri valori nulli. Dal momento che la valutazione del punto fisso del Chase potrebbe non terminare,
negli ultimi anni è stato studiato il problema di stabilire se, dato un insieme di vincoli, l’algoritmo termini
indipendentemente dal contenuto della base di dati. Tali criteri consistono nella rilevazione di condizioni
sufficienti, derivati dall’analisi strutturale delle dipendenze, che garantiscano, qualunque sia il contenuto
della base di dati, che il punto fisso possa essere raggiunto (in tempo polinomiale nella dimensione della base
di dati). Diversi criteri sono stati recentemente proposti.
In [14] è stata presentata una estensione del noto criterio stratification, chiamato local stratification (LS).
Il nuovo criterio, generalizza sia super-weak acyclicity che i diversi criteri basati sulla straficazione proposti
in letteratura. In [14,16] vengono presentati alcuni algoritmi di riscrittura che trasformano l’insieme iniziale
di vincoli Σ in un insieme ‘equivalente’ Σα e permettono la verifica delle proprietà strutturali di Σα , invece
che di Σ. La riscrittura dei vincoli permette di riconoscere classi di vincoli più estese per i quali è garantita
la terminazione del Chase. In particolare, è stato mostrato che se Σ soddisfa le condizioni di terminazione
definite da un criterio T , allora l’insieme riscritto Σα soddisfa T , ma il viceversa non è vero, cioè esistono classi
significative di vincoli per cui Σα soddisfa T , mentre Σ non le soddisfa. I risultati sono stati ulteriormente
estesi in [62] dove l’algoritmo di riscrittura verifica anche la presenza di ‘ciclicità’ tra gli argomenti. Il nuovo
criterio chiamato acyclicity (AC), estende LS e al momento non è stato definito alcun criterio più generale.
Un sistema per la verifica di diversi criteri proposti in letteratura è presentato in [71].
Il problema della presenza di dati inconsistenti o incompleti nelle basi di dati, e la riparazione di basi di
dati attraverso il calcolo di soluzioni generali (ottenute mediante l’uso dell’algoritmo Chase) sono discussi
in [2].
Vincoli attivi. Il problema principale nella riparazione di basi di dati inconsistenti è dato dal fatto che
tutte le possibili riparazioni che rendono soddisfatti i vincoli sono ammissibili (il cui numero può essere
esponenziale), mentre la strategia di riparazione dovrebbe essere definita dall’amministratore della base di
dati. In [21, 81, 90] viene discusso un nuovo tipo di vincoli d’integrità chiamati Vincoli Attivi (Active Integrity
Consraints - AIS), un’estensione dei vincoli di integrità classici orientata alla riparazione automatica delle
basi di dati. Un vincolo di integrità attivo è un vincolo speciale il cui corpo contiene una congiunzione
di letterali, mentre la testa contiene una disgiunzione di atomi di aggiornamento. Intuitivamente, il corpo
della regola esprime un denial constraint, cioè una condizione che non deve essere soddisfatta dalla base di
dati e che, se soddisfatta, innesca una delle azioni “riparatrici” (inserimento o eliminazione di una tupla)
contenute nella testa della regola. In tale ambito vengono anche introdotte le riparazioni “fondate”, cioè
6
riparazioni le cui azioni sono ottenibili attraverso l’innesco (in cascata) di vincoli attivi. Nei suddetti lavori
è stata anche studiata la complessità computazionale ed è stata definita una semantica dichiarativa ed una
caratterizzazione di tale semantica ottenuta riscrivendo i vincoli di integrità attivi in termini di regole logiche
disgiuntive, in modo che le riparazioni fondate possano essere derivate dai modelli stabili del corrispondente
programma logico. In [78] è stata presentata una estensione dei vincoli attivi, dove viene definita una priorità
tra le possibili azioni associate ad un vincolo attivo.
2.2
Datalog con Simboli di Funzione
Negli ultimi anni, c’è stato un grande interesse nel migliorare i risolutori di programmi logici con semantica
di tipo “bottom-up” (come, ad esempio, quelli basati sui modelli stabili), estendendo i programmi logici con
i simboli di funzione. I simboli di funzione permettono una più facile modellazione dei problemi rendendo i
programmi più concisi ed intuitivi. Il problema principale dell’introduzione dei simboli di funzione è che i
programmi diventano indecidibili, cioè, il problema di stabilire se esiste un modello finito o un insieme finito
di modelli finiti, conformi alla semantica scelta, è indecidibile. Per far fronte a questo problema, la ricerca
si è concentrata sull’identificazione di condizioni sufficienti per un programma di avere un numero finito di
modelli, ciascuno di dimensioni finite, portando a diversi criteri (che noi chiamiamo criteri di terminazione).
In [64, 70] vengono definiti nuovi criteri per il controllo della terminazione dei programmi logici con
simboli di funzione valutati con risolutori di tipo “bottom-up”. In particolare, è stata analizzata approfonditamente la struttura dei programmi e introdotto un nuovo criterio chiamato safety, che garantisce che i
modelli stabili siano limitati e calcolabili, in quanto è possibile generare un programma finitely ground (cioè,
un programma finito senza variabili), equivalente al programma di origine. Il nuovo criterio estende diversi
criteri precedentemente introdotti nella letteratura.
[10] presenta una nuova tecnica che, utilizzata in combinazione con criteri di terminazione attuali, ci
permette di rilevare come terminanti un insieme significativo di programmi logici che non sono identificati
come terminanti dalle tecniche correnti. Specificatamente, la tecnica proposta considera un programma
logico P e la trasforma in un programma ‘adornato’ P α , con l’obiettivo di applicare criteri di terminazione
a P α piuttosto che a P . La trasformazione è corretta nel senso che se P α verifica un dato criterio di
terminazione, quindi il programma originario P è finitely-ground. È importante sottolineare che, applicando
i criteri di terminazione ai programmi adornati piuttosto che a quelli originali, la classe di programmi
riconosciuti come finitely-ground cresce significativamente.
Una tecnica innovativa basata sulla definizione di un ‘mapping’ da argomenti a insiemi di stringhe
di simboli di funzione, che rappresentano la struttura dei possibili valori che potrebbero essere adottati
dagli argomenti durante la valutazione bottom-up, è stato proposto in [63, 69]. I programmi riconosciuti
come finitely-ground da questa tecnica, detti mapping restricted, sono caratterizzati dal fatto che a tutti gli
argomenti è possibile associare un insieme finito di stringhe. Tale insieme può essere determinato riscrivendo
il programma sorgente in un programma unario e verificare la sua terminazione; se il programma unario
termina, è possibile determinare un insieme finito di stringhe associabili a ciascun argomento del programma.
Una ulteriore tecnica che permette di stabilire se un programma è finitely-ground e, quindi, terminante,
indipendentemente dal contenuto della base di dati è stato presentato in [68]. Il nuovo criterio si basa
su due potenti strumenti: il labeled argument graph, un grafo orientato i cui archi sono etichettati con
informazioni utili su come i termini sono propagati dal corpo alla testa delle regole, e l’activation graph, un
grafo orientato che indica se una regola può “attivare” un’altra regola. Il contributo principale di questa
tecnica è che, mentre i criteri di terminazione attuali analizzano un gruppo di argomenti o di regole alla volta
(considerando argomenti o regole appartenenti alla stessa componente nell’argument graph o nell’activation
graph), senza guardare come i gruppi di argomenti sono correlati tra loro, il criterio proposto è in grado di
effettuare anche un’analisi di come gruppi di argomenti si influenzano a vicenda.
Una survey di tali tecniche è presentata anche in [2].
7
2.3
Knowledge Discovery e Data Mining
L’attività di ricerca in tale ambito è rivolta alla definizione di metodi per l’estrazione di conoscenza da dati di
differente forma e complessità, in particolare dati semistrutturati, dati transazionali, dati spazio-temporali,
e dati probabilistici (incerti).
Clustering di dati semistrutturati/XML. Nell’ambito dell’estrazione di conoscenza da dati semistrutturati/XML, in [17, 72, 80, 92] viene afffrontato il problema del clustering semantico di documenti XML.
L’approccio proposto è basato su analisi sia delle caratteristiche strutturali sia delle peculiarità di contenuto
dei dati XML, con il supporto di una base di conoscenza ontologica. Si definisce un modello transazionale per
la rappresentazione di dati XML basato sulla nozione di tree tuple. L’estrazione di tree tuple da documenti
XML consente l’identificazione di strutture coesive dal punto di vista semantico che riflettono diversi modi
di associare contenuto e struttura rispetto alle semantiche di struttura dei documenti originali. Sono stati
sviluppati due algoritmi basati su strategie di clustering opposte, ovvero clustering partizionale basato su
centroids e clustering gerarchico basato su frequent itemsets.
Inoltre, nei lavori [12, 149], viene proposto un approccio collaborativo distribuito per il problema del
clustering di documenti XML. La strategia di clustering è ancora di tipo partizionale centroid-based, ma
ridefinita per una rete P2P. Ogni peer della rete è autorizzato a calcolare una soluzione di clustering locale
sui propri dati, e di scambiare i propri centroidi di cluster con gli altri peer. I centroidi scambiati sono
utilizzati per calcolare in modo collaborativo i centroidi di cluster per la soluzione di clustering globale.
Clustering ensembles. Il principale obiettivo delle tecniche di clustering ensembles consiste nell’estrarre
un’unica soluzione di clustering (consensus partition) dall’ensemble, in maniera tale che essa risulti maggiormente rappresentativa rispetto alle singole soluzioni presenti nell’ensemble. I metodi di clustering ensembles
presenti in letteratura rientrano negli approcci cosiddetti instance-based, cluster-based, o hybrid; tuttavia,
la maggior parte dei metodi proposti non è in grado di discriminare tra le diverse soluzioni di clustering
nell’ensemble. In [73], viene affrontato il problema di ensemble clustering pesato attraverso la definizione
di schemi di pesatura delle soluzioni che partecipano ad un ensemble. Tali schemi sono indipendenti dallo
specifico algoritmo di clustering ensembles utilizzato e sono tali da considerare le correlazioni tra le singoli
soluzioni in maniera differente. Inoltre, è mostrato come ciascuno degli schemi di pesatura introdotti può
essere facilmente integrato in un qualsiasi metodo di clustering ensembles instance-based, cluster-based, o
hybrid. In [67], è definito un modello tensoriale tensore del terzo ordine al fine di aver una rappresentazione
multidimensionale di una collezione di documenti che tenga in considerazione sia informazioni di contenuto
che informazioni fornite dalle aggregazioni frequenti dei documenti sui vari cluster di un ensemble. Il tensore
viene infine decomposto al fine di estrarre un unico raggruppamento dei documenti che tenga conto delle
informazioni fornite dall’ensemble in input.
Time series similarity detection. Nei lavori [20, 166], viene proposto DSA (Derivative time series
Segment Approximation), un nuovo modello di rappresentazione per serie temporali per task di identificazione
di similarità e clustering. DSA combina i concetti di derivazione e segmentazione al fine di catturare in
maniera sensibile le caratteristiche principali delle serie temporali provvedendo nel contempo ad una elevata
compressione dei dati.
Uncertain data mining. Un problema emergente nella gestione dei dati riguarda la modellazione e
la classificazione di dati incerti (uncertain data). In [75] è proposto un metodo di clustering gerarchico
agglomerativo basato su centroidi (U-AHC). Tale metodo è il primo in letteratura che impiega una strategia
di clustering gerarchico per dati incerti, e si contrappone al resto dei metodi esistenti di tipo partizionale e
density-based. Il metodo proposto si basa sulla definizione formale di un approccio information-theoretic per
il calcolo della distanza tra dati incerti. I centroidi di cluster sono rappresentati come mixture di distribuzioni
di probabilità che sintetizzano le distribuzioni delle istanze di ogni cluster.
8
Applicazioni a dati socio-economici. In [41, 31] è stato proposto l’uso di diverse tecniche induttive per
derivare la partizione dei dati in clusters, e alberi di decisione per caratterizzare le varie classi mediante regole
logiche. I risultati sperimentali hanno mostrato che l’uso combinato di tecniche di clustering e classificazione
permette un notevole miglioramento nell’assegnazione delle classi rispetto al caso in cui ci si avvalga di un
esperto del dominio considerato. L’applicazione di tali techniche e lo sviluppo di due prototipi per il supporto
all’analisi dei bilanci delle società di capitale italiane e all’analisi di dati di natura socio-economica relativi
alla regione Calabria, sono riportati, rispettivamente, in [114] e [111].
2.4
Bioinformatica
Le attività di ricerca hanno riguardato principalmente i Sistemi Informativi Clinici e i Sistemi Informativi
Territoriali finalizzati al supporto del trattamento di dati clinici e biomedicali. L’attività ha portato alla
realizzazione di prototipi per la validazione delle ipotesi e dei modelli con emphdataset clinici reali e con la
collaborazione di partner esperti di dominio clinici.
In [25] è stato progettato un sistema per aumentare sensibilmente l’identificazione dei peptidi (porzioni
di proteine) presenti in un campione di siero analizzato tramite tecniche ICAT ed LC-MS/MS. I risultati
ottenuti sono significativamente migliori di quelli restituiti dalla macchina per l’analisi clinica, grazie alla
tecnica di cross validation che cerca le coppie chimiche HL (heavy/light) quantificate ma non identificate
dallo spettrometro. Il prototipo è disponibile online insieme ad un dataset di test.
In [76] è stato messo a punto un modello per l’analisi delle alterazioni vocali e per la classificazione
delle patologie ad esse correlate, al fine di effettuare lo screening di un’ampia popolazione di pazienti.
È stato messo a punto un modello matematico con tecniche di signal processing real-time ed il relativo
sistema, implementato con una logica web-based, è stato adottato da partner clinici di otorinolaringoiatria
per effettuare screening a livello regionale.
In [19] sono state adottate e messe a punto tecniche e modelli propri della Epidemiologia Computazionale
e dei Sistemi Informativi Territoriali (Geographical Information Systems - GIS ) per analizzare dati clinici di
una popolazione in relazione al territorio di appartenenza. In particolare, il sistema implementato chiamato
Geomedica, tramite la specifica di vincoli e interrogazioni SQL-like permette di definire aree del territorio
che siano di interesse all’operatore per scoprire nuova conoscenza e analizzare il proprio dataset clinico su
una mappa cartografica.
La ricerca è stata ripresa in [148], dove le tecniche GIS e di querying su dataset spaziali sono state
utilizzate per analizzare un dataset di grandi dimensioni relativi allo screening neonatale di valori di TSH,
legati a gravi patologie della tiroide rilevabili in età neonatale. Il dataset copre 10 anni di screening neonatale
su una media di 18.000 neonati per anno. Il sistema permette di correlare correttamente i dati con le
caratteristiche del territorio (e.g. distanza dalle coste).
2.5
Estensioni di Datalog: semantica, espressività e complessità
In questo ambito la ricerca è stata rivolta all’estensione del linguaggio Datalog con costrutti non-monotoni
e non deterministici. Tali estensioni permettono di incrementare significativamente il potere espressivo del
linguaggio in modo da poter esprimere (nel linguaggio esteso) classici algoritmi e problemi di efficace rappresentazione della conoscenza. La ricerca ha altresı́ studiato i relativi problemi di complessità computazionale.
Linguaggi logici per problemi NP di ricerca e ottimizzazione. In questo ambito é stato definito
un linguaggio logico per esprimere problemi NP di ricerca e ottimizzazione. In particolare, in [18,83,87] é
stato introdotto un linguaggio ottenuto estendendo Datalog (positivo) con costrutti intuitivi ed efficienti
(cioè negazione stratificata, vincoli e disgiunzione esclusiva). Successivamente, è stato definito un linguaggio
ulteriormente limitato utilizzando solo una forma ristretta di disgiunzione per definire (nondeterministicamente) sottoinsiemi (o partizioni) delle relazioni. Il nuovo linguaggio, chiamato NP Datalog, ha lo stesso
potere espressimo di Datalog con negazione generale (anche non stratificata) nell’esprimere problemi di
ricerca e ottimizzazione. Un prototipo di sistema che implementa NP Datalog è stato altresı́ presentato.
9
Il sistema traduce interrogazioni NP Datalog in programmi OPL che vengono eseguiti mediante il sistema
ILOG OPL Development Studio. I risultati sperimentali hanno mostrato che il prototipo permette una
facile formulazione di problemi, espressa mediante un linguaggio logica dichiarativa, e una efficiente calcolo
delle risposte. Vari esperimenti presentati in [18] mostrato l’efficacia di questo approccio.
Linguaggi logici con preferenze. In questo ambito l’attività svolta ha riguardato lo studio di linguaggi
logici con preferenze tra gli atomi (e.g. Prioritized Logic Programming, proposta da Sakama and Inoue e
Answer Set Optimization, proposta da Brewka et. al.) .
In [23, 82] è stato proposto un nuovo approccio, che riesce ad evitare alcuni problemi riscontrati nei
linguaggi proposti precedentemente in letteratura. In particolare, la nuova semantica riesce a catturare
l’informazione strutturale riguardante le regole di preferenza e fornisce quindi risultati piú intuitivi. Il
confronto con altri approcci noti in letteratura e l’analisi di complessità mostrano che, rispetto ad altri
approcci simili proposti in precedenza, la complessità di calcolo dei modelli stabili preferiti non aumenta.
In [79] vengono studiate regole di preferenze che non confrontano singoli atomi ma modelli globali
attraverso l’uso di aggregati. Tale estensione permette di esprimere in modo naturale classici problemi di
ottimizzazione dove la funzione obiettivo è definita sul valore ottenuto da un insieme di elementi.
Semantica di interrogazioni e programmi logici con negazione non-stratificata. La presenza
della negazione all’interno dei programmi logici implica l’esistenza di più modelli minimali. Il significato
della molteplicità di modelli minimali è quello della presenza di possibili soluzioni alternative al problema
espresso. In genere, vengono considerate due differenti versioni della semantica dei programmi logici note
come semantica della possibilità e semantica della certezza. La semantica della possibilità stabilisce che
un fatto è vero se esiste un modello del programma che lo contiene, mentre la semantica della certezza
stabilisce che un fatto è vero se è contenuto in tutti i modelli del programma. Tuttavia, entrambe le versioni
permettono di dare significato ad un singolo fatto, ma non ad un insieme di fatti in quanto sia l’unione che
l’intersezione di più modelli non è, in generale, un modello. In [54] è stato analizzato il potere espressivo e
la complessità computazionale di programmi per i quali la semantica della possibilità e la semantica della
certezza coincidono. Una semantica basata sull’esistenza di un unico modello stabile è stata proposta in
[128]. In tale lavoro è stato mostrato che per definire linguaggi con potere espressivo superiore a quello dei
programmi generali sotto la semantica well-founded, è necessario utilizzare la semantica dei modelli stabili
“least-undefined”.
Costrutti non-deterministici nelle interrogazioni e nei programmi logici. Sebbene nella programmazione logica il non-determinismo sia stato studiato solo recentemente e principalmente nell’ambito dei
linguaggi logici concorrenti, è ormai riconosciuta la sua importanza anche nelle basi di dati.
In [53] è stato analizzato l’uso del costrutto non-deterministico choice nei programmi Datalog “stratificati”. In tale lavoro è stata presentata una breve introduzione alla teoria ed all’uso del non-determinismo
nell’ambito delle basi di dati deduttive [53]. Inoltre, sono stati analizzati diversi costrutti non-deterministici
e introdotte alcune tecniche di valutazione di interrogazioni logiche non-deterministiche. Infine, è stato
mostrato come sia possibile utilizzare i costrutti non-deterministici per emulare linguaggi con regole attive.
Uno dei problemi di Datalog è dato dal suo limitato potere espressivo. Datalog non permette di esprimere
tutti i problemi polinomiali ed alcune semplici interrogazioni non possono essere espresse. Ad esempio, in
Datalog non è possibile conoscere se una data relazione ha un numero pari di tuple. Una semplice estensione
di Datalog è costituita dall’uso della negazione stratificata; ma anche in questo caso, le limitazioni sopra
citate rimangono.
In [136] viene presentata una estensione di Datalog con negazione stratificata che consente di poter esprimere problemi sia di tipo polinomiale che di tipo N P , co-N P e DP . Tale soluzione prevede (i) l’uso di
negazione stratificata, (ii) l’uso del costrutto choice, capace di sfruttare il non-determinismo della semantica dei modelli stabili, (iii) la possibilità di dedurre, dalla sintassi dell’interrogazione, un limite superiore
alla complessità dell’interrogazione stessa, e (iv) la definizione di un algoritmo che assicura un’efficiente
10
esecuzione delle interrogazioni appartenenti alle diverse classi di complessità. Il linguaggio proposto risulta
trattabile ed è completo per le suddette classi di complessità. I risultati di tale ricerca sono riportati in [46].
In tale lavoro viene altresı̀ mostrato che l’estensione introdotta permette di esprimere problemi appartenenti
alla gerarchia booleana.
In [131,51] è stata studiata l’espressività di linguaggi logici ottenuti mediante l’introduzione in Datalog
della negazione stratificata, del costrutto non-deterministico choice e di una forma debole di vincoli di
integrità. La caratteristica di questi ultimi è che, se non verificati, essi invalidano solo la parte del modello
relativa al sottoprogramma sul quale agiscono e non l’intero modello. In [126,38] viene mostrato che tali
vincoli permettono di definire linguaggi semplici ma molto espressivi.
Complessità ed espressività dei linguaggi logici per basi di dati. In letteratura sono state definite
diverse semantiche per programmi logici basate sui modelli stabili. Un problema di tali semantiche è dato
dalla molteplicità di modelli, per cui le interrogazioni sono delle funzioni multivalore.
In [134,54] è stato analizzato il potere espressivo delle interrogazioni funzionali, sotto le diverse semantiche
basate sui modelli stabili. Un’interrogazione viene detta funzionale se la sua risposta sotto la semantica
della possibilità (esiste un modello che soddisfa l’interrogazione) e della certezza (tutti i modelli soddisfano
l’interrogazione) è la stessa. In [126,38] viene mostrato che i risultati ottenuti possono essere usati per
la definizione di un linguaggio funzionale che consente di esprimere problemi appartenenti alla gerarchia
booleana. Un’ulteriore estensione di tale linguaggio, che permette di esprimere anche problemi appartenenti
al secondo livello della gerarchia polinomiale, è presentata in [54].
Ogni programma logico, oltre ad ammettere diversi modelli non-deterministici (modelli alternativi),
ammette anche più modelli deterministici (modelli che non contraddicono gli altri modelli). I modelli
deterministici costituiscono un reticolo completo, limitato in basso dal modello well-founded e in alto dal
modello massimo deterministico. In [127,50] sono state studiate la complessità ed il potere espressivo di
tale semantica. In [128] è stato analizzato il potere espressivo della versione funzionale della semantica dei
modelli stabili. In particolare, è stato mostrato che il potere espressivo di tale versione della semantica,
nel caso di modelli stabili totali, non va oltre N P ∩ coN P , mentre se si considera la semantica basata
sull’esistenza di un unico modello stabile least undefined, è possibile esprimere tutti i problemi della classe
unique witness.
Infine, in [129] è stato mostrato che Datalog, esteso con il costrutto choice e una semplice forma di
vincolo, permette sia di esprimere in modo semplice problemi di ottimizzazione nella classe N P , ma anche
di catturate sottoclassi approssimabili. In [115,163] è stato mostrato che tale schema può essere esteso per
esprimere sia problemi di ottimizzazione che di ricerca in modo dichiarativo.
Costrutti non-monotoni. La programmazione logica permette di esprimere in modo semplice problemi
complessi. Purtroppo l’esecuzione di interrogazioni logiche risulta, in genere, molto inefficiente. Inoltre,
molti algoritmi su grafi non sono esprimibili in programmazione logica. Un tipico esempio è l’algoritmo
di Dijkstra che risolve il problema dei cammini minimi in un grafo. Scopo della ricerca è stato quello
di poter estendere la programmazione logica con costrutti, caratterizzati da chiara semantica ed efficiente
implementazione, tramite cui poter esprimere in modo dichiarativo problemi e algoritmi classici.
In [144] è stata presentata un’estensione della programmazione logica con i meta-predicati minimo e
massimo. Tali meta-predicati possono essere espressi mediante una formula del calcolo dei predicati del
primo ordine. Ad un programma contenente i meta-predicati minimo e massimo corrisponde un programma
generale che può essere “non stratificato”. L’estensione proposta mostra che, sotto alcune condizioni di
monotonicità, tali programmi hanno chiara semantica (unico modello minimo totale) e possono essere valutati efficientemente mediante l’operatore Greedy Fixpoint, che estende il classico operatore di conseguenze
immediate con una tecnica di tipo goloso.
I risultati completi sono riportati in un lavoro invitato per la pubblicazione su Journal of Computer and
System Science [58]; in tale lavoro è stato anche mostrato che il problema del cammino minimo, espresso
11
mediante un programma logico esteso con meta-predicati, ha la stessa complessità del famoso algoritmo di
Dijkstra.
In [124] è stata definita una tecnica che permette di propagare all’interno delle regole i meta-predicati
minimo e massimo in modo da ottimizzare il calcolo mentre in [39] è stata dimostrata la correttezza e
l’efficienza di tale tecnica. In particolare è stato mostrato che tale ottimizzazione consente di limitare la
dimensione della base di dati utilizzata ed il numero di “tuple” calcolate e che può essere combinata con
le tecniche classiche le quali ottimizzano il calcolo mediante la propagazione di “bindings” all’interno dei
programmi logici.
Un secondo problema della programmazione logica deriva dalla mancanza di costrutti che permettano di
esprimere obiettivi parziali e sub-ottimi richiesti in molti problemi pratici. Ad esempio per il noto problema
del “commesso viaggiatore”, nei casi pratici si calcola una soluzione approssimata poiché il problema è
“difficile”.
In [141] è stata presentata un’estensione della programmazione logica che consente di esprimere in modo
naturale molti problemi classici tramite l’uso di alcuni predicati aventi sintassi del secondo ordine e semantica
del primo ordine. Tale estensione è stata ulteriormente sviluppata in [123,44], dove è stata definita una nuova
classe di programmi logici, detti stage-stratified, che hanno chiara semantica e possono essere implementati
efficientemente. È stato altresı̀ mostrato che i programmi logici stage-stratified permettono di esprimere
molti algoritmi di tipo goloso con una complessità comparabile (molto spesso uguale) a quella degli algoritmi
classici.
In [139] vengono presentati un linguaggio logico che consente di esprimere aggregazioni ed una tecnica,
basata sull’uso della programmazione dinamica, che ne consente l’efficiente valutazione. L’estensione proposta è stata ulteriormente sviluppata in [52] dove è stato mostrato che i predicati per esprimere aggregati,
tipici di SQL, quali la somma di un insieme di valori (sum) ed il numero di elementi soddisfacenti una data
proprietà (count) possono essere espressi mediante programmi Datalog estesi e possono essere efficientemente
calcolati. In tale lavoro è stato altresı̀ mostrato che l’introduzione di tali costrutti all’interno di interrogazioni
Datalog permette di esprimere in modo dichiarativo classici problemi di programmazione dinamica(knapsack,
allocazione di risorse, ottima parentesizzazione del prodotto di matrici, ecc.). La tecnica di valutazione delle
interrogazioni, basata sulla riscrittura del programma iniziale in un nuovo programma (ricorsivo) che non
contiene aggregati, permette di ottenere, in diversi casi, una complessità pseudo-polinomiale, mentre la
complessità del calcolo con le tecniche classiche (sia di tipo “bottom-up” che “top-down”) è esponenziale.
Programmi Logici Negativi I programmi logici negativi estendono i programmi logici classici (detti
anche generali) attraverso l’introduzione di clausole la cui testa può essere un letterale negato. Tale estensione permette di esprimere, in modo naturale, eccezioni all’interno dei programmi logici. I concetti di
stratificazione, di modello stabile e di modello well-founded sono stati estesi a tale classe di programmi ed
un algoritmo per la valutazione del punto fisso di programmi negativi stratificati è stato altresı̀ definito.
Infine, è stato mostrato che per ogni programma negativo esiste un equivalente programma generale.
Tuttavia, è possibile che il programma generale derivante da un programma negativo stratificato risulti
“non stratificato”; pertanto, in tali casi, la valutazione del programma negativo è più efficiente. I risultati
di tale ricerca sono presentati in [145].
In [164] sono presentati un algoritmo per la valutazione di programmi logici negativi ed un’estensione
di alcune tecniche di ottimizzazione di interrogazioni logiche ricorsive. Un prototipo per la valutazione di
programmi logici negativi è descritto in [165].
2.6
Programmazione Logica e Basi di Dati Disgiuntive.
In questo ambito sono stati affrontati lo studio dell’estensione di Datalog disgiuntivo, l’ottimizzazione di
interrogazioni logiche disgiuntive e la definizione di una nuova semantica per programmi logici disgiuntivi.
In [153] è stata proposta un’estensione di Datalog disgiuntivo che permette l’uso di regole all’interno della
testa di una regola. L’uso di regole innestate consente di esprimere in modo naturale alcuni problemi non
12
facilmente esprimibili mediante l’uso di programmi standard. Per quanto riguarda la complessità di calcolo,
è stato mostrato che i programmi cosı̀ estesi non sono più difficili da valutare dei programmi disgiuntivi
standard.
In [122,116] sono state presentate due tecniche per l’ottimizzazione di interrogazioni logiche disgiuntive.
Entrambe le tecniche sono basate sulla riscrittura del programma disgiuntivo in forma non disgiuntiva,
sull’ottimizzazione del programma non disgiuntivo e sulla riscrittura del programma sorgente “ristretto”
tramite l’uso dei predicati del programma non disgiuntivo. La tecnica definita in [122] ottimizza il programma
sorgente mediante la sua riscrittura in termini di programma disgiuntivo con regole innestate, mentre in [116]
viene presentata una tecnica che permette di riscrivere il programma disgiuntivo in termini di un programma
disgiuntivo standard. La descrizione di un prototipo che implementa un ottimizzatore di interrogazioni
disgiuntive è presentata in [119]. In [36] sono riportati i risultati complessivi della ricerca. In tale lavoro
vengono anche riportati i risultati di varie sperimentazioni effettuate per verificare l’efficacia delle tecniche.
Il significato dei programmi logici disgiuntivi viene generalmente espresso mediante la semantica dei modelli stabili. Tuttavia, tale semantica non è sempre soddisfacente, poichè, spesso, interpreta la disgiunzione
“inclusiva” come disgiunzione “esclusiva”. In [117,33] viene presentata una nuova semantica per programmi
logici disgiuntivi che supera alcuni degli inconvenienti della semantica dei modelli stabili. La nuova semantica cerca di combinare la minimalità dei modelli con la presenza di disgiunzione inclusiva. È stato mostrato
che tale semantica ha lo stesso potere espressivo e la stessa complessità della semantica dei modelli stabili
disgiuntivi, ma è più intuitiva di quest’ultima.
Infine, in [105] viene presentata una semantica deterministica per programmi logici disgiuntivi.
2.7
Ottimizzazione di interrogazioni logiche
Ottimizzazione di interrogazioni mediante l’uso di viste materializzate. Nell’ambito dell’integrazione delle informazioni provenienti da piú sorgenti di dati, sono state sviluppate alcune tecniche per calcolare
la risposta alle interrogazioni utilizzando i dati disponibili in viste materializzate. Il problema riveste particolare interesse nell’ambito dei sistemi di integrazione di basi di dati. Tale rappresentazione, infatti, è
spesso realizzata costruendo uno schema astratto e definendo le sorgenti informative disponibili in termini
di viste definite sugli oggetti dello schema globale. Le tecniche sviluppate estendono l’approccio proposto da
Duschka e Genesereth, considerando la presenza della negazione sia all’interno della definizione delle viste,
sia nel linguaggio di interrogazione reso disponibile dal sistema integrato. L’utilizzo della negazione “classica” e della negazione “per fallimento” consente di proporre delle tecniche efficienti per la traduzione delle
interrogazioni formulate utilizzando lo schema globale. Le tecniche sviluppate ed il prototipo del sistema
sono presentati in [43,120,184].
Grammatiche, Automi e Ottimizzazione di Interrogazioni Logiche. Il recente interesse per un’efficiente esecuzione di interrogazioni su programmi logici ha portato alla definizione di diverse tecniche basate
sulla riscrittura dei programmi originali in nuovi programmi “equivalenti”, la cui valutazione risulta più
efficiente. La tecnica più generale è quella conosciuta con il nome di magic-set. Per alcune classi di interrogazioni, è possibile applicare delle tecniche più efficienti. Questo è il caso dei programmi logici lineari,
programmi le cui regole contengono nel corpo al massimo un solo atomo mutuamente ricorsivo con l’atomo
che appare nella testa. La valutazione dei programmi logici lineari risulta efficiente anche per il fatto che
nel calcolo semi-naive è possibile considerare solo la parte incrementale delle relazioni calcolate, al contrario
dei programmi non-lineari, per i quali occorre considerare le intere relazioni.
In [140] è illustrata una tecnica per la riscrittura di programmi concatenati (chain) in programmi lineari
semplici (programmi contenenti una sola regola ricorsiva). Tale riscrittura è basata sull’analogia esistente
tra programmi logici concatenati e grammatiche non-contestuali. Un programma concatenato viene riscritto
in un programma lineare (ricorsivo a sinistra) che implementa un automa riconoscitore per la grammatica
corrispondente al programma iniziale. Le regole del nuovo programma logico sono ottenute mediante una
tecnica di fattorizzazione delle regole e dei predicati ricorsivi del programma sorgente. In [135] è stata
13
presentata un’estensione del metodo per trattare l’intera classe dei programmi concatenati. Verifiche sperimentali hanno confermato la validità del metodo proposto ed, in particolare, è stato rilevato che esso risulta
molto più veloce del metodo magic-set [187,132]. I risultati completi sono presentati in [49].
Esecuzione Efficiente di Interrogazioni Logiche Ricorsive Lineari. Una nuova tecnica di ottimizzazione di interrogazioni logiche ricorsive basata sulla riscrittura della interrogazione originaria in una interrogazione ’equivalente’ è stata presentata in [155]. In particolare, è stata elaborata un’estensione del noto
metodo counting, definito in letteratura per una ristretta classe di interrogazioni logiche lineari. Tale metodo
è stato ulteriormente esteso all’intera classe dei interrogazioni logiche lineari in [143], dove è stato altresı̀
proposto uno schema generale per l’ottimizzazione di interrogazioni logiche lineari. Lo schema estende la
gran parte delle ottimizzazioni definite in letteratura per particolari classi di interrogazioni lineari, quali il
metodo counting ed i metodi per l’ottimizzazione di interrogazioni logiche contenenti regole lineari a destra
o lineari a sinistra. Un confronto tra la tecnica proposta ed i metodi classici viene presentato in [138].
Una dettagliata analisi della complessità e delle prestazioni delle tecniche di riscrittura viene riportata
in [48]. I risultati di tale analisi mostrano che il metodo proposto in [143] risulta essere molto più efficace
dei metodi precedentemente definiti.
2.8
Integrazione di Basi di Dati Attive e Deduttive
Ci si è occupati della definizione di semantiche dichiarative per basi di dati attive che permettano un’integrazione
di regole attive e deduttive caratterizzata da una semantica unica e intuitiva. In particolare, è stata considerata l’applicabilità di semantiche già definite nell’ambito delle basi di dati deduttive (quali well-founded,
max-deterministic e stabile) ad un contesto in cui siano presenti anche regole attive. Tale studio costituisce
l’oggetto del lavoro [125], contenente l’analisi delle semantiche di tipo deterministico, e del lavoro [185], in
cui è stato studiato l’impatto del non-determinismo. I risultati complessivi sono riportati in [45].
2.9
Linguaggi di Interrogazione per dati a grafo, semistrutturati e XML
L’attività svolta si è concentrata sullo studio di linguaggi che utilizzano espressioni regolari per definire lo
spazio di ricerca delle interrogazioni. In particolare, è stata proposta un’estensione della teoria dei linguaggi
regolari, basata sulla presenza di un ordinamento fra le stringhe dei linguaggi e finalizzata alla possibilità
di esprimere preferenze fra i cammini identificati dalle stringhe. I risultati di questo lavoro sono stati
presentati in [118,28]. È stato, inoltre, introdotto il concetto di non-determinismo all’interno di linguaggi
di interrogazione che utilizzano espressioni regolari per la navigazione all’interno di un grafo [110]. È stata
effettuata un’analisi dell’applicabilità pratica di tali estensioni alla specifica di interrogazioni su collezioni
di documenti HTML, nonché a modelli di dati differenti da quello utilizzato per i dati semistrutturati, quali
quello relazionale e quello orientato agli oggetti. Tale attività costituisce l’oggetto dei lavori [121,47].
In [151] sono state introdotte le “path queries pesate”, una estensione delle path queries dove le espressioni
regolari sono pesate. Tale estensione permette di assegnare un peso ai diversi elementi contenuti nel risultato
(ad esempio, pagine Web) nonché di ottimizzare il calcolo. L’utilizzo dei linguaggi pesati nella definizione
delle path queries rende possibile esprimere numerosi tipi di interrogazioni non esprimibili con i classici
linguaggi di interrogazione per basi di dati semistrutturati proposti in letteratura [183,112].
Si è infine investigato il problema dell’identificazione di porzioni di un grafo che soddisfano una data
proprietà. L’approccio proposto utilizza un tipo semplice di graph grammar per definire le proprietà del sottografo desiderato. Tale lavoro costituisce l’oggetto di un articolo sottomesso per la presentazione ad un congresso internazionale [152]. In [167] viene presentato un linguaggio grafico che permette sia l’interrogazione
che la ristrutturazione di dati XML.
14
2.10
Tecniche per la navigazione di siti e la classificazione di pagine web.
Tale tema di ricerca è essenzialmente rivolto allo sviluppo di tecniche per la classifficazione di pagine web ed
alla definizione di strumenti che rendano piú efficiente la navigazione di siti web per l’utente, migliorando
le risposte ad interrogazioni fornite dai motori di ricerca. In particolare, è stata proposta una tecnica di
Topic Distillation su web che esamina la struttura a grafo del web ed applica un approccio statistico alla
matrice di co-occorrenza (associata con il base set ottenuto al primo passo dell’algoritmo di Kleinberg), in
modo da trovare le pagine piú co-citate e, quindi, le diverse comunità. La tecnica sviluppata ha il vantaggio
di identificare le pagine rilevanti senza l’ausilio di procedure iterative, ma semplicemente utilizzando una
formula chiusa. Sulla base di questo lavoro di ricerca teorico, è stato sviluppato un prototipo di un sistema
ed è stato successivamente studiato un algoritmo per approssimare la formula di ranking in modo da poter
estendere l’approccio in contesti in cui l’attenzione deve essere rivolta alla velocità di risposta piuttosto che
alla precisione dei risultati. Caso tipico è lo studio di filtri collaborativi utili nello sviluppo di portali Web
personalizzabili o di supporto alla navigazione degli utenti. Il lavoro di ricerca è proseguito analizzando
le comunità web sulla base dell’evoluzione di un insieme iniziale di pagine hubs e authorities. La legge
di evoluzione proposta cattura il comportamento tipico degli autori di pagine web nei confronti di pagine
popolari relative al topic di interesse. È stato successivamente studiato il problema della personalizzazione
di siti Web, proponendo approcci non invasivi per lo sviluppo di sistemi di personalizzazione.
L’approccio di web personalization proposto in [30, 89] si pone l’obiettivo di offrire, in maniera non
invasiva, un supporto utile e non invasivo al visitatore durante la navigazione di un sito web. Tale supporto
viene fornito attraverso il suggerimento di pagine potenzialmente interessanti e che sono sia pertinenti alle
preferenze navigazionali dell’utente (estese con l’identificazione di utenti “simili”) sia correlate (dal punto
di vista dell’uso e del contenuto) alla pagina correntemente visitata.
In [108] è stata proposto un nuovo algoritmo per motori di ricerca. Tale algoritmo permette di identificare
documenti rilevanti rispetto ad una particolare stringa utilizzando sia il contenuto testuale delle pagine che
l’informazione definita dai collegamenti tra le pagine. Più in particolare, l’algoritmo applica tecniche di
tipo statistico alla matrice delle co-citazioni contenente i collegamenti tra le diverse pagine Web e permette
sia di identificare pagine rilevanti (authoritative pages) che le diverse comunità importanti per l’argomento
definito dalla stringa (topic enumeration).
2.11
Integrazione di basi di dati ed interrogazione di basi di dati federate.
Integrazione di basi di dati. La disponibilità di gran parte della basi di dati su rete ha portato a
un rinnovato interesse per l’integrazione di basi di dati. Due diversi aspetti vengono di solito considerati:
l’omogenizzazione degli schemi e l’omogenizzazione dei dati, cioè la (parziale) consistenza dei dati integrati.
In tale contesto, ci siamo interessati al problema dell’integrazione di basi di dati i cui schemi sono
stati omogenizzati. In particolare, abbiamo analizzato diversi operatori di fusione proposti in letteratura ed
abbiamo proposto nuovi operatori di fusione di relazioni che permettono di risolvere (parzialmente) i conflitti
all’interno dei dati [106, 107,181]. In [104] è stato mostrato che l’uso di regole logiche rende il processo di
integrazione molto flessibile, mentre in [98] è stato definito un linguaggio logico per l’integrazione di basi
di dati. Piú in particolare é stato presentato un linguaggio logico ottenuto estendendo Datalog con diversi
costrutti che esprimono forme di non determinismo su valori singoli e aggregati. Il linguaggio cosı̀ ottenuto
può essere usato per implementare la maggior parte delle tecniche di integrazione definite in letteratura,
e consente, inoltre, di definire tecniche di integrazione piú generali. Successivamente é stato proposto un
approccio per l’integrazione estensionale ed intenzionale di sorgenti informative eterogenee, da basi di dati
a documenti XML e dati semistrutturati. Tale approccio consente di gestire valori nulli o sconosciuti, di
rispondere in modo consistente ad interrogazioni poste su dati inconsistenti e, infine, di ricostruire, a livello
intensionale, il contenuto di ciascuna sorgente informativa coinvolta nel processo di integrazione.
Basi di dati P2P. Tale linea di ricerca studia l’integrazione e l’interrogazione di basi di dati in sistemi
P2P. In un sistema P2P ogni nodo controlla una propria base di dati il cui schema è (parzialmente) noto agli
15
altri nodi (i quali dunque possono interrogarla). Le interrogazioni dell’utente sono sempre eseguite presso
un nodo, che risponde integrando i dati estratti dalla propria base di dati, con quelli estratti dal resto del
sistema, ottenuti interrogando i nodi ad esso adiacenti (o, comunque, “vicini”). Un nodo è considerato vicino
di un altro nodo quando può fornire a quest’ultimo dei dati per mezzo di meccanismi chiamati regole di
mapping o di coordinazione. Ogni vicino risponderà eseguendo un analogo processo. Al fine di rappresentare
la conoscenza, una base di dati definisce un insieme di restrizioni (vincoli di integrità) che ciascuna istanza
della base di dati deve soddisfare. La presenza di tali vincoli in fase di integrazione dati, se correttamente
gestita, assicura che solo le informazioni che non violano tali restrizioni possano essere importate dai nodi
vicini. Nel processo di integrazione ogni nodo deve mediare fra due diverse esigenze: importare quanta più
informazione possibile ed evitare che essa corrompa la sua base di dati. La presenza dei vincoli di integrità
rende il processo di integrazione e di interrogazione in ambiente P2P molto più complesso. In tale contesto,
è stata proposta una nuova semantica per le regole di mapping che consente di importare solo il sottoinsieme
massimale di atomi che non viola i vincoli di integrità.
Infine, [161] presenta una rassegna delle diverse tecniche di integrazione, riparazione e calcolo di risposte
consistenti definite nella letteratura.
2.12
Matching ed Unificazione di set-terms
Il matching di termini di tipo set presenta una strana anomalia poiché tali termini godono delle proprietà
di commutatività ed idempotenza. Ad esempio, dati i due set {X, Y, b} e {a, b} (X e Y denotano variabili
mentre a e b denotano costanti), esistono tre diversi matcher che rendono i due set uguali (θ1 = {X/a, Y /a},
θ2 = {X/a, Y /b} e θ3 = {X/b, Y /a}). In [142] è stato presentato un accurato studio della complessità
del problema e sono stati presentati due nuovi algoritmi per il caso di insiemi finiti con termini semplici.
Il primo algoritmo, basato sulla generazione di multisets, è stato anche implementato nel sistema LDL
sviluppato presso il centro di ricerca MCC (Texas), portando ad un notevole incremento delle prestazioni
del sistema. Il secondo algoritmo ha una complessità ottima ed è stato implementato nel sistema LDL++.
In [56] è descritta un’estensione dell’algoritmo per il caso di insiemi i cui termini possono essere altri insiemi
o termini di tipo complesso.
Il matching costituisce un caso particolare dell’unificazione. In essa, infatti, entrambi i set possono
contenere variabili, per cui la determinazione dell’insieme di unificatori risulta molto più complessa. In
[130] è stata presentata un’analisi dettagliata dell’esatta complessità del problema ed è stato anche descritto un algoritmo ottimo per l’unificazione di termini di tipo set. In [133,154] è stato analizzato il
problema dell’unificazione debole di insiemi finiti con termini semplici. L’unificazione debole può essere utilizzata nell’ambito delle basi di dati deduttive, in cui le tuple possono contenere termini di tipo variabile, o
nell’ambito delle basi di dati con vincoli (constraint databases) e che permette di calcolare il numero minimo
di unificatori necessari per rispondere all’interrogazione.
2.13
Programmazione Logica con Array
In [137] è stata definita un’estensione del linguaggio Datalog con strutture dati di tipo array. Il nuovo
linguaggio, chiamato DatalogA aggiunge ai vantaggi di Datalog (dichiaratività, terminazione) la possibilità
di poter utilizzare strutture dati complesse molto utili nell’ambito delle nuove applicazioni (CAD/CAM,
applicazioni di tipo scientifico). Un’estensione che considera la presenza di domini infiniti (ad esempio, i
numeri reali) è presentata in [57].
In [55] è illustrata una serie di tecniche di valutazione di programmi DatalogA sia di tipo “top-down”
che di tipo “bottom-up”. In tale lavoro, vengono altresı̀ estesi i classici metodi per l’ottimizzazione di
interrogazioni logiche.
16
2.14
Integrazione di Basi di Dati e Programmazione Logica
In [146] è stato presentato un approccio alla valutazione di interrogazioni logiche (ricorsive) su una base di
dati di tipo relazionale. Questo approccio è basato su un meccanismo di memoria virtuale che supporta
l’esecuzione efficiente delle operazioni dell’algebra relazionale. La scelta della strategia di esecuzione e
memorizzazione delle relazioni intermedie è basata su un modello di costo definito per la memoria virtuale.
In [59] è stato presentato un linguaggio logico per l’interrogazione di basi di dati di tipo navigazionale.
Il linguaggio, denominato Netlog, permette di specificare in forma dichiarativa navigazioni su una base di
dati. Di tale linguaggio viene fornita la semantica dichiarativa, mentre la semantica operazionale viene data
mediante la definizione di un “mapping” con i programmi logici generali.
2.15
Integrazione di Programmazione Logica e Programmazione Orientata agli Oggetti
È stato definito il linguaggio Complex-Prolog, un linguaggio logico con caratteristiche orientate agli oggetti,
quali i concetti di classe, identificatore di oggetto, ereditarietà e metodo. Tale linguaggio costituisce
un’estensione di Datalog con i costrutti di (identificatore di) oggetto, classe ed ereditarietà. ComplexProlog combina lo stile dichiarativo della programmazione logica con quello tipicamente navigazionale dei
linguaggi orientati agli oggetti.
In [61] viene introdotto il linguaggio e definita la sua semantica dichiarativa; la semantica operazionale
viene data mediante la definizione di un “mapping” con il linguaggio Datalog. In [66] viene anche presentata
una semantica operazionale diretta di tipo “bottom-up”. Diverse altre proposte di integrazione della programmazione logica con costrutti della programmazione orientata agli oggetti sono trattate in [190,189,147].
In [60] è riportata una descrizione del prototipo del sistema denominato COMPLEX. Il linguaggio supportato, ridenominato Complex-Datalog, estende Complex-Prolog con il trattamento dell’ereditarietà multipla.
COMPLEX esegue la valutazione dei programmi logici mediante l’algoritmo chiamato SNQS (Semi-Naive
Query-Subquery), che combina il noto algoritmo Semi-Naive con quello Query-Subquery. Inoltre, i programmi
logici da valutare vengono prima riscritti in equivalenti programmi, la cui esecuzione è più efficiente. Tale
riscrittura è ottenuta applicando i metodi magic-set generalizzato e counting anche in presenza di negazione.
3
Altre attività scientifiche
3.1
Chair di conferenze
• Program co-chair della European Conference on Logics in Artificial Intelligence (JELIA), September
2002, Rende (Italy).
• Program co-chair dell’International Database Engineering and Applications Symposium (IDEAS),
September 16-18, 2009, Cetraro (Italy).
• Program co-chair dell’International Conference on Scalable Uncertainty Management (SUM), October
1-3, 2008, Naples (Italy).
• General chair dell’International Conference on Model & Data Engineering (MEDI), September 25-27,
2013, Amantea (Italy).
• Program chair della conferenza nazionale Sistemi evoluti per Basi di Dati (SEBD), 2003, Cetraro
(Italy).
• General chair della conferenza nazionale Sistemi evoluti per Basi di Dati (SEBD), 2014, Sorrento
(Italy).
• General chair della conferenza nazionale Sistemi evoluti per Basi di Dati (SEBD), 2011, Maratea
(Italy).
17
3.2
Editorial Boards
• Membro dell’Editorial Board della rivista IEEE Transaction on Data and Knowledge Engineering dal
2008 al 2012.
3.3
Partecipazione a comitati di programma
È stato membro del comitato di programma di numerose conferenze a carattere internazionale; alcune recenti
partecipazioni sono di seguito riportate:
• International Conference on Very Large Databases (VLDB), Hangzhou (China), September 2014;
• International Conference on Very Large Databases (ICDE), Chicago (IL), March 31- April 4, 2014;
• International Conference on Very Large Databases (VLDB), Riva del Garda (Italy), August 26-30
2013;
• International Conference on Very Large Data Bases (VLDB), Istanbul (Turkey), August 27-31, 2012;
• ACM Conference on Information and Knowledge Management (CIKM), San Francisco (CA), October
27-November 1, 2013;
• ACM Conference on Information and Knowledge Management (CIKM), Maui (Hawai), October 29November 2, 2012;
• ACM Conference on Information and Knowledge Management (CIKM), Glasgow (UK), October 24-28,
2011;
• ACM Conference on Information and Knowledge Management (CIKM), Toronto (Canada), October
26-30, 2010;
• International Conference on Data Warehousing and Knowledge Discovery (DaWaK), September 1-5,
2014, Munich (Germany),
• International Conference on Data Warehousing and Knowledge Discovery (DaWaK), August 26-29,
2013, Prague (Czech Republic);
• International Conference on Data Warehousing and Knowledge Discovery (DaWaK), September 3-6,
2012, Vienna (Austria);
• International Conference on Data Warehousing and Knowledge Discovery (DaWaK), August 29September 2, 2011, Toulouse (France);
• ACM International Workshop On Data Warehousing and OLAP (DOLAP), San Francisco (CA),
October 2013;
• ACM International Workshop On Data Warehousing and OLAP (DOLAP), Maui (Hawai), October
2012;
• ACM International Workshop On Data Warehousing and OLAP (DOLAP), Glasgow (UK), October
2011;
• ACM International Workshop On Data Warehousing and OLAP (DOLAP), Hong Kong (China),
November 2009;
• ACM International Workshop On Data Warehousing and OLAP (DOLAP), Napa Valley (CA), October 2008;
18
• International Conference on Scalable Uncertainty Management (SUM), September 16-18, 2013, Washington (DC).
• Fourth International Conference on Scalable Uncertainty Management (SUM), September 27-29, 2010,
Toulouse (France).
• 7th Alberto Mendelzon International Workshop on Fundations of Data Management (AMW), May
21-23, Puebla (Mexico).
• 13th International Workshop on Termination (WST), August 29 to 31, 2013, Bertinoro (Italy).
• International Workshop of Data Management in the Social Semantic Web (DMSSW), August 2012,
Istambul (Turkey).
3.4
Revisioni per riviste e congressi
Ha svolto attività di revisore per diversi congressi nazionali ed internazionali, tra cui le conferenze SIGMOD
(ACM-SIGMOD Int. Conf. on Management of Data), VLDB (Very Large Data Bases), PODS (Principles
of Database Systems), ICDT (Int. Conf. on Database Theory), EDBT (Int. Conf. on Extending Database
Technology), ICDE (Int. Conf. on Data Engineering), CIKM (Int. Conf. on Information and Knowledge
Management), IJCAI (Int. Joint Conf. on Artificial Intelligence), ICLP (Int. Conf. on Logic Programming),
ILPS (Int Logic Programming Symposium), JICSLP (Joint Int. Conf. and Symp. on Logic Programming),
LPNMR (Int. Conf. on Logic Programmin and Nonmonotonic Reasoning), e le riviste ACM Transaction
on Database Systems (TODS), ACM Transaction on Information Systems (TOIS) IEEE-Transaction on
Knowledge and Data Engineering, Journal of Computer and System Science, Theoretical Computer Science,
Data and Knowledge Engineering, Acta Informatica, Journal of Logic Programming, Theory and Practice
of Logic Programming, The Computer Journal.
4
Alumni
4.1
Dottori di ricerca
• Sergio Flesca, prof. associato, abilitato nel ruolo di professore di prima fascia;
• Ester Zumpano, prof. associato;
• Filippo Furfaro, prof. associato;
• Andrea Pugliese, ricercatore universitario, abilitato nel ruolo di professore di seconda fascia;
• Andrea Tagarelli, ricercatore universitario, abilitato nel ruolo di professore di seconda fascia;
• Cristian Molinaro, ricercatore universitario;
• Francesco Parisi, assegnista di ricerca presso DIMES, Università della Calabria;
• Irina Trubitsyna, tecnico laureato presso Università della Calabria;
• Francesco Gullo, ricercatore presso Yahoo Research, Barcellona;
• Giovanni Ponti, ricercatore presso ENEA, Napoli;
• Francesca Spezzano, borsista presso University of Maryland, College Park.
19
4.2
Studenti di dottorato
• Chiara Pulice
• Marco Calautti.
5
5.1
Coordinamento di progetti
Progetti di Ricerca
CARDIO-TECH: TeCnologie Avanzate per l’innovazione e l’ottimizzazione dei pRocessi DIagnOstici, Terapeutici E di training dedicati alla gestione Clinica, interventistica e riabilitativa dei paziente affetti da sindromi coronaricHe acute. Finanziato dal Ministero dell’Istruzione, Università e Ricerca nell’ambito del Programma Operativo Nazionale ”Ricerca e Competitività 2007-2013”. Inizio: 01/07/2011, Fine: 30/06/2014.
Budget: 297.710,00.
Staywell: attività di ricerca su tematiche state of the art in ambito Smart Health, per il monitoraggio dello
stile di vita a supporto del benessere e della prevenzione nonché per il miglioramento dell’interazione tra
cittadino e strutture sanitarie e tra strutture sanitarie stesse, con sperimentazione prevista in Calabria. Finanziato dal Ministero dell’Istruzione, Università e Ricerca nell’ambito del Programma Operativo Nazionale
”Ricerca e Competitività 2007-2013”. Inizio: novembre 2012, Fine: giugno 2015. Budget: 61.912,11.
Polinice+: una piattaforma ERP orientata al settore moda. Finanziato dal Ministero dello Sviluppo Economico nell’ambito del Fondo Innovazione Tecnologica Sportello PON. Inizio: 01/06/2010, Fine: 30/06/2014.
Budget: 183.264,50.
LOG.IN: LOGistica INtegrata. Progetto avente come obiettivo lo sviluppo di una piattaforma che supporti la cooperazione tra i processi industriali specifici di unità produttive che appartengono a diverse filiere
di fornitura che costituiscono la filiera di fornitura estesa dall’acquisizione delle materie prime, alla movimentazione delle merci sino alla consegna al destinatario. Finanziato dal Ministero dello Sviluppo Economico
nell’ambito del programma Industria 2015. Inizio: 01/07/2012, Fine: 31/12/2014 Budget: 300.069,00.
EASE (Entity Aware Search Engines): motori di ricerca modellati con entità per un efficace accesso
ai dati del Web. Finanziato dal Ministero dell’Istruzione, Università e Ricerca nell’ambito del Programma
PRIN. Coordinatore del progetto specifico Interrogazione di dati probabilistici estratti dal Web sviluppato
dall’unità dell’Università della Calabria. Inizio: 22/03/2010, Fine: 30/09/2012. Budget: 30.000,00.
ENEL: Eureka! Un’idea per l’energia. Progetto avente come obiettivo l’analisi dei dati dei consumi elettrici
degli utenti al fine di poter promuove nuove politiche di gestione dell’energia. Durata 1 anno. Budget:
47.000,00.
Promis: Logistics Process Management and Intelligence Systems. Finanziato dal Ministero dell’Istruzione,
Università e Ricerca nell’ambito delle Misure 3.16 e 3.7 POR Calabria 2000-2006. Inizio: 01/01/2006, Fine:
30/09/2009. Budget: 800.000,00.
KinF: Servizi di Knowledge in Server Farm. Progetto avente come obiettivo l’implementazione di servizi e
strumenti di analisi dei dati per il supporto al settore agroalimentare. Finanziato dal Ministero dell’Istruzione,
Università e Ricerca. Inizio: giugno 2005, Fine: giugno 2007.
20
LOGICA: laboratorio tecnologico della LOGIstica in CAlabria. Finanziato dal Ministero dell’Istruzione,
Università e Ricerca nell’ambito delle Misure 3.16 e 3.7 POR Calabria 2000-2006. Inizio: 01/01/2006, Fine:
30/06/2009. Budget: 1.970.000,00.
Pilot: Pilot Software systems for the interoperability of logistics and transportation, avente come scopo
lo studio di modelli organizzativi, ambienti software, dispositivi intelligenti di localizzazione e tecnologie di
telecomunicazione pervasive, finalizzati alla realizzazione di un innovativo sistema d’integrazione di filiera e
di distretto tra reti di PMI e sistema logistico. Finanziato dal Ministero dell’Istruzione, Università e Ricerca
nell’ambito del Programma FAR. Inizio: 01/09/2004, Fine: 28/02/2008. Budget: 429.300,00.
ICT-LAB: Sistema di Laboratori di Supporto al Trasferimento Tecnologico verso le Piccole e Medie Imprese
del settore delle Tecnologie dell’Informazione e Comunicazione. Finanziato dalla Regione Calabria. Inizio:
21/10/2006, Fine: 20/06/2007. Budget: 500.000,00.
TRAME: Trasferimento di Metodologie Didattiche Innovative per le Imprese. Finanziamento del Fondo
Sociale Europeo nell’ambito del programma Operativo Nazionale “Assistenza tecnica e azioni di sistema”.
Inizio: 01/09/2003, Fine: 31/07/2004. Budget: 120.000,00.
Mente: Management of Integrated ENTerprisE. Obiettivo: studio, progettazione, sviluppo di un prototipo di ricerca e sperimentazione di un sistema pervasivo che permetta il controllo e la gestione, anche
da remoto, dei processi produttivi, organizzativi e gestionali di aziende operanti nel settore agro-alimentare
della Calabria. Finanziato dal Ministero dell’Università e della Ricerca Scientifica. Budget 360.000,00.
D2I: Integrazione, Warehousing eMining di Sorgenti Eterogenee. Finanziato dal Ministero dell’Istruzione,
Università e Ricerca nell’ambito del Programma PRIN. Responsabile dell’unità dell’Univ. della Calabria e
coordinatore delle attività del Tema 2 (progettazione e interrogazione di data warehouse) Inizio: Novembre
2000, Fine: Novembre 2002. Budget: 194.000,00.
Data-X: Gestione, Trasformazione e Scambio di Dati in Ambiente Web. Finanziato dal Ministero dell’Istruzione,
Università e Ricerca nell’ambito del Programma PRIN. Inizio: Novembre 1999, Fine: Ottobre 2001. Responsabile dell’unità dell’Univ. della Calabria.
Contact: Cooperative Network for Technology Transfer Actions and Training. Il progetto ha come scopo
lo sviluppo di un network funzionale di integrazione fra la ricerca scientifica e tecnologica e le imprese.
Finanziato dalla Comunità Europea nell’ambito del programma “Adapt-bis”. Inizio: Aprile 1998, Fine:
Settembre 2000. Budget: 663.000,00.
Progetto Analisi di bilanci aziendali. Nell’anno 1998 è stato coordinatore del progetto “Analisi dei
bilanci delle società di capitale” dell’ISI-CNR, finanziato dalla società Pitagora. Scopo di tale progetto è
stato la definizione di tecniche di data mining per l’analisi delle società di capitale e l’implementazione di
un prototipo.
Bench-marking nel settore agro-alimentare - Sistemi informatici integrati a supporto del benchmarking di progetti e interventi ad innovazione tecnologica nel settore agro-alimentare, avente come obiettivo la sperimentazione delle tecniche RIA per la valutazione dell’impatto scientifico ed economico della
ricerca nel settore agro-alimentare. Inizio: Giugno 2001, Fine: Luglio 2003. Budget: euro 100.000,00.
21
Progetto Servir - Laboratorio Tematico per la gestione di data warehouse di interesse sociale e ambientale, nell’ambito del progetto “Sperimentazione di Servizi Innovativi alle imprese produttrici di software
(SERVIR). Il progetto, finanziato dal MURST, ha avuto come scopo la realizzazione di un centro con elevate competenze per il supporto alla progettazione e realizzazione di servizi finalizzati a mantenere elevato
il livello tecnologico delle società di informatica. Inizio: Giugno 2001, Fine: Giugno 2004.
Progetto Integrazione Basi di dati deduttive e object-oriented. Nel periodo in cui ha operato
come ricercatore presso il CRAI, è stato coordinatore di un progetto di ricerca, finanziato dall’Enidata,
avente come scopo lo sviluppo di un sistema di basi di dati logico object-oriented.
5.2
Progetti di ricerca - azione di Formazione
INMOTO - INformation and MObility for Tourism - Formazione, Smart Cities and Communities and Social Innovation. Progetto PON 2007-2013 (cod. PON04a2 D-F), Asse II - Azioni Integrate per lo Sviluppo
Sostenibile, finanziato dal Ministero dell’Istruzione, dell’Università e della Ricerca (16 mesi).
TETRis - Servizi innovativi Open Source su TETRA, finanziato dal Ministero dell’Istruzione, dell’Università
e della Ricerca, Azione di Formazione. Esperto nella Progettazione e Sviluppo di Servizi e Software Open
Source nel contesto delle Smart Cities. Progetto PON 2007-2013 (cod. PON01 00451) - cup B28J11000170005
(1 Gennaio 2011 - 31 Dicembre 2013), soggetto attuatore: Dipartimento DEIS, Università della Calabria.
6
Partecipazione a progetti di ricerca
GenData 2020 - Data-Driven Genomic Computing. Progetto Finanziato dal MIUR nell’ambito del programma PRIN 2010. Inizio: Novembre 2012, Fine: Novembre 2014.
DiCeT-INMOTO-ORCHESTRA: Tecnologie e metodi innovativi per la fruizione di beni e contenuti
culturali e la promozione dei territori collegati per uno sviluppo del turismo sostenibile Finanziato dal
Ministero dell’Istruzione, Universit´ e Ricerca nell’ambito del Programma Operativo Nazionale ”Ricerca e
Ccmpetitività 2007-2013” (Smart Cities and Communities and Social Innovation). Inizio: 01/11/2012, Fine:
31/05/2015. Budget: 798.800,00.
OpenKnowtech: Laboratorio di Tecnologie per la Integrazione, Gestione e Distribuzione di Dati, Processi
e Conoscenze. Finanziato dal MIUR nell’ambito del Programma Operativo Nazionale Ricerca e Competitività 2007-2013.
Reengineering del Back Office del Sistema Informatico Bancario in Office Multicanale, avente
come scopo lo sviluppo di una piattaforma per l’erogazione personalizzata di contenuti informativi e servizi
bancari, attraverso diversi canali. Finanziato dal MIUR. Inizio: Settembre 2003, Fine: Ottobre 2004.
Front Office Multicanale per Banca on-line, avente come scopo lo sviluppo di una piattaforma di
front office finalizzata alla realizzazione di un porting multicanale per preesistenti servizi bancari. finanziato
dal MIUR. Inizio: Aprile 2002, Fine: Novembre 2003.
LDL++. Dal Luglio 1990 a Luglio 1991 ha partecipato al progetto LDL presso il centro MCC di Austin
(Texas). Scopo di tale progetto è stato la progettazione e l’implementazione di un sistema per la gestione di
basi di dati deduttive. Il sistema LDL ha rappresentato uno dei sistemi più avanzati nel campo delle basi
di dati deduttive.
22
Logidata+ Negli anni 1991-94 ha partecipato al progetto Logidata+. Durante tale periodo ha collaborato
anche al progetto Kiwis, finanziato dalla CEE nell’ambito del programma ESPRIT ed ha anche fatto parte
del gruppo di ricerca del progetto MURST 40% Sistemi formali e strumenti per basi di dati evolute.
DEUS-EX-MACHINA. Negli anni 1994-96 ha partecipato al progetto di collaborazione EU-USA “DEUS
EX MACHINA: Non-Determinism in Deductive Databases”, finanziato congiuntamente dalla Comunità Europea e dalla National Science Foundation degli Stati Uniti d’America, a cui hanno partecipato anche gruppi
di ricerca dell’Università degli Studi di Pisa, dell’INRIA (Francia), dell’Università del Maryland di Washington (USA) e dell’Università della California di Los Angeles (USA).
Majise. Nel 2000 ha partecipato progetto per la realizzazione di un motore intelligente per la ricerca di
informazioni sul Web, finanziato dal Consorzio di Ingegneria Economica e Sociale nel quadro del programma
Majise.
Interdata+. Da Febbraio 1998 fino a Gennaio 2000 ha partecipato al progetto Interdata+, finanziato
dal MURST nell’ambito del programma 40%. Scopo di tale progetto è la definizione e implementazione di
strumenti per l’integrazione e l’utilizzo di informazioni in ambiente Web.
Epsilon - Advanced KBMS based on the Integration of Logic Programming and Data Bases. Da Gennaio
1989 a Giugno 1989 ha partecipato al progetto di ricerca
KIWIS - Advanced Knowledge-Base Environments for Large Database Systems. Finanziato dalla Comunità Europea nell’ambito del programma Esprit.
Complex-Prolog. Nel periodo in cui ha operato come ricercatore presso il CRAI, ha partecipato ad
un progetto di ricerca finanziato dalla SIP e svolto in collaborazione con il CSELT, avente come scopo la
definizione di un linguaggio per la rappresentazione della conoscenza.
NERECO. Progetto avente come scopo lo sviluppo di un prototipo di un ambiente per la programmazione
parallela e distribuita. Maggio 1985 - Febbraio 1986.
7
Premi e Riconoscimenti
• Il lavoro “Minimum and Maximum Predicates in Logic Programming” presentato alla Tenth ACM
Symposium on Principles of Database Systems (PODS) [144] é stato selezionato tra i migliori articoli
presentati alla conferenza ed invitato per il numero speciale della rivista Journal of Computer and
System Scienze.
• Il lavoro “A Stochastic Approach for Modeling and Computing Web Communities” [102] é stato premiato come miglio articolo presentato alla Web Information Systems Engineering Conference (WISE)
del 2002.
• Il lavoro “Declarative Semantics of Production Rules for Integrity Maintenance” [81] presentato alla
International Conference on Logic Programming (ICLP) del 2006 é stato premiato come Best Student
Paper.
• Premio Anassilaos per la ricerca 2012, conferito dalla Associazione Culturale Anassilaos di Reggio
Calabria.
23
8
Spin-off
Fondatore degli spin-off Exeura, Ithea e Oktago, dell’Università della Calabria operanti nell’area della gestione della conoscenza. La società Exeura opera ormai da oltre 10 anni e al momento ha un organico di
circa 30 dipendenti assunti a tempo indeterminato.
9
Attività didattiche
9.1
Corsi svolti presso l’Università della Calabria
• negli anni accademici 1986-87, 1987-88, 1988-89 e 1989-90, ha svolto numerosi seminari ed esercitazioni
nell’ambito dei corsi di Tecniche di Programmazione e di Calcolo Automatico della Facoltà di Ingegneria
ed ha fatto parte delle commissioni d’esame dei suddetti corsi, in qualità di “cultore della materia”;
• nell’a.a. 1991-92, ha tenuto diversi seminari e svolto esercitazioni nell’ambito dei corsi di Fondamenti
di Informatica e Linguaggi e Traduttori, facendo parte delle relative commissioni d’esame;
• nell’a.a. 1992-93, ha tenuto per supplenza il corso di Fondamenti di Informatica I ed ha presieduto le
relative commissioni d’esame; ha svolto, inoltre, i seminari previsti nell’ambito del corso di Linguaggi
e Metodi di Programmazione (Scuola Diretta a Fini Speciali in Informatica) e diversi seminari ed
esercitazioni nell’ambito del corso di Linguaggi e Traduttori, facendo parte delle relative commissioni
d’esame;
• nell’a.a. 1992-93, ha tenuto per supplenza i corsi di Fondamenti di Informatica I e Linguaggi e
Metodi di Programmazione (Scuola Diretta a Fini Speciali in Informatica) ed ha presieduto le relative
commissioni d’esame;
• nell’a.a. 1993-94, ha tenuto per supplenza i corsi di Fondamenti di Informatica I e Sistemi Operativi
(per il Corso di Diploma in Informatica) ed ha presieduto le relative commissioni d’esame;
• nell’a.a. 1994-95, ha tenuto per supplenza i corsi di Fondamenti di Informatica I, Sistemi di Elaborazione (per il Corso di Laurea in Ingegneria Informatica) e Basi di Dati (per il Corso di Diploma in
Informatica) ed ha presieduto le relative commissioni d’esame;
• nell’a.a. 1995-96, ha tenuto per supplenza i corsi di Fondamenti di Informatica I, Basi di Dati per il
Corso di Laurea in Ingegneria Informatica e per il Corso di Diploma in Informatica; ha presieduto le
relative commissioni d’esame;
• nell’a.a. 1996-97, ha tenuto per supplenza i corsi di Fondamenti di Informatica I, Basi di Dati per il
Corso di Laurea in Ingegneria Informatica e per il Corso di Diploma in Informatica; ha presieduto le
relative commissioni d’esame;
• nell’a.a. 1997-98, ha tenuto per supplenza i corsi di Fondamenti di Informatica I, Basi di Dati per il
Corso di Laurea in Ingegneria Informatica e per il Corso di Diploma in Informatica; ha presieduto le
relative commissioni d’esame;
• nell’a.a. 1998-99, è stato nominato docente titolare del corso di Fondamenti di Informatica I e docente
supplente dei corsi di Basi di Dati (per il Corso di Laurea in Ingegneria Informatica) e Fondamenti di
Informatica I B (per il Corso di Diploma in Logistica - sede distaccata di Crotone) ed ha presieduto
le relative commissioni d’esame;
• nell l’a.a. 1999-2000, ha svolto per titolarietà il corso di Fondamenti di Informatica I e per supplenza
i corsi Basi di Dati (per il Corso di Laurea in Ingegneria Informatica) e Fondamenti di Informatica I
B (per il Corso di Diploma in Logistica - sede distaccata di Crotone);
24
• negli a.a. 2000-2001, 2001-2002, 2002-2003, 2003-2004, 2004-2005 ha svolto per titolarità il corso di
Basi di Dati e per supplenza i corsi Fondamenti di Informatica I (per il Corso di Laurea in Ingegneria
Informatica) e Fondamenti di Informatica I B (per il Corso di Diploma in Logistica - sede distaccata
di Crotone); nello stesso anno ha svolto per supplenza per il corso di laurea in Scienze dei Servizi
Sociali della facoltà di Scienze Politiche i seguenti corsi: Fondamenti di Informatica 1 (sede di Rende),
Fondamenti di Informatica 1 (sede di Crotone) e Fondamenti di Informatica 2 (sede di Crotone)
• nell a.a. 2005-2006 all’a.a. 2009-10 ha svolto per titolarità i corsi di Basi di Dati e Conoscenza e
Algoritmi per Internet e Crittografia per il Corso di Laurea Magistrale in Ingegneria Informatica.
• Dall’a.a. 2010-11 svolge per titolarità i corsi di Progetto e Analisi di Algoritmi e Fondamenti di
Informatica, e dall’a.a. 2001-12 svolge per titolarità il corso di Basi di Dati e Scoperta di Conoscenza.
9.2
Docenza presso altre sedi universitarie
Nell’anno 2013 stato docente del corso Managing ena Querying Inconsistent Databases presso la Escuela
de Invierno dell’Universidad de la Ciencias Informaticas (UCI) dell’Avana (Cuba).
Dall’a.a. 2012/13 svolge per supplenza i corsi di Sistemi di Elaborazione delle Informazioni (corso di
laurea in Organizzazione dei Servizi della Pubblica Amministrazione) e Elementi di Informatica (corso di
laurea in Economia Aziendale) dell’Università di Catanzaro.
Dall’a.a. 2009/10 all’a.a. 2011/12 ha svolto per supplenza il corso di Basi di Dati del corso di laurea in
Ingegneria Informatica e Biomedica dell’Università di Catanzaro.
Dall’ a.a. 1996-97 fino all’a.a. 1999-2000 ha svolto per supplenza il corso di Sistemi di Elaborazione
(per il Corso di Laurea in Ingegneria Elettronica) presso la Facoltà di Ingegneria dell’Università di Reggio
Calabria.
9.3
Altre attività didattiche
Durante la sua permanenza presso il Consorzio per la Ricerca e le Applicazioni di Informatica (dal 1984
al 1989), ha svolto attività di docenza ed esercitazioni in numerosi corsi per la formazione di Specialisti in
Informatica e nel corso di Master in Ingegneria del software.
È stato relatore di oltre 100 tesi di laurea e diploma in Ingegneria Informatica presso l’Università della
Calabria.
Negli a.a. 1992-93, 1993-94, 1995-96, 1996-97 e 1998-99, è stato membro aggregato nelle commissioni
giudicatrici degli esami di Stato per l’abilitazione alla professione di Ingegnere svoltisi presso l’Università
della Calabria.
Ha tenuto numerosi seminari presso università italiane e straniere.
Tra il 1995 ed il 1999, ha tenuto vari corsi di informatica per funzionari e dirigenti della pubblica
amministrazione presso la Scuola Superiore di Pubblica Amministrazione, sede di Reggio Calabria.
10
Attività organizzative
• Direttore del DIMES da Novembre 2012.
• Direttore del DEIS da novembre 2002 a ottobre 2012.
• Membro dell’Ufficio di Presidenza della Facoltà di Ingegneria da novembre 2002 a ottobre 2012;
• Membro della Giunta di Dipartimento del DEIS in rappresentanza dei ricercatori dal 1993 al 2000.
• Membro del Senato Accademico Integrato dell’Università della Calabria, eletto in rappresentanza dei
ricercatori universitari dal 1993 al 1996.
25
• Membro del Consiglio di Aministrazione del Centro Residenziale dell’Università della Calabria da
novembre 1998 a ottobre 2000, in rappresentanza dei prof. associati.
• Membro di varie commissioni della Facoltà di Ingegneria dell’Università della Calabria, dal 1993 al
2012.
• Ha partecipato a varie commissioni per l’assegnazione di appalti per forniture tecniche e per la ripartizione di fondi di ricerca.
26
11
11.1
Elenco delle Pubblicazioni
Libri e monografie
1 Sergio Greco, Cristian Molinaro, Francesca Spezzano.
Incomplete Data and Data Dependencies in Relational Databases.
Morgan & Claypool Publishers, Synthesis Lectures on Data Management, 2012.
2 Sergio Greco, Cristian Molinaro.
Datalog and Logic Databases.
Morgan & Claypool Publishers, Synthesis Lectures on Data Management, 2014 (to appear).
11.2
Atti di conferenze e numeri speciali di riviste
3 Sergio Greco, Thomas Lukasiewicz.
Special Issue: Scalable Uncertainty Management.
Annals of Mathematics and Artificial Intelligence (AMAI), 64 (2-3), 2012.
4 Giansalvatore Mecca, Sergio Greco.
roceedings of the Nineteenth Italian Symposium on Advanced Database Systems (SEBD).
Maratea, Italy, June 26-29, 2011.
5 Bipin Desai, Domenico Saccá, Sergio Greco.
International Database Engineering and Applications Symposium (IDEAS).
New York, NY: ACM Press, 2009.
6 Sergio Greco, Thomas Lukasiewicz.
Scalable Uncertainty Management, Second International Conference (SUM).
LNCS, Springer, Vol. 5291, 2008
7 Sergio Flesca, Sergio Greco, Domenico Saccà, Ester Zumpano.
Proceedings of the Eleventh Italian Symposium on Advanced Database Systems (SEBD).
Cetraro (CS), Italy, June 24-27, 2003 Rubettino Editore 2003
8 Sergio Flesca, Sergio Greco, Nicola Leone, Giovanbattista Ianni.
Logics in Artificial Intelligence, European Conference (JELIA).
Cosenza, Italy, September, 23-26, Proceedings. Springer 2002
11.3
Riviste internazionali
9 Sergio Greco, Fabian Pijcke Jef Wijsen.
Certain Query Answering in Partially Consistent Databases.
PVLDB, 7(5), 2014, 353-364.
10 Sergio Greco, Cristian Molinaro, Irina Trubitsyna.
Logic programming with function symbols: Checking termination of bottom-up evaluation through program
adornments.
TPLP, 13(4-5), 2013, 737-752.
11 Sergio Greco, Cristian Molinaro.
Probabilistic query answering over inconsistent databases.
Annals of Mathematics and Artifificial Intelligence (AMAI), 64(2-3), 2012, 185-207.
27
12 Sergio Greco, Francesco Gullo, Giovanni Ponti, Andrea Tagarelli.
Collaborative clustering of XML documents.
Journal of Compututer and System Sciences (JCSS), 77(6), 2011, 988-1008.
13 Sergio Greco, Cristian Molinaro.
Consistent query answering over inconsistent databases.
KES Journal, 15(3), 2011, 119-129.
14 Sergio Greco, Francesca Spezzano, Irina Trubitsyna.
Stratification Criteria and Rewriting Techniques for Checking Chase Termination.
PVLDB, 4(11), 2011, 1158-1168.
15 Cristian Molinaro, Sergio Greco.
Polynomial time queries over inconsistent databases with functional dependencies and foreign keys.
Data & Knowledge Engineering (DKE), 69(7), 2010, 709-722.
16 Sergio Greco, Francesca Spezzano.
Chase Termination: A Constraints Rewriting Approach.
PVLDB, 3(1), 2010, 93-104.
17 Andrea Tagarelli, Sergio Greco.
Semantic Clustering of XML Documents.
ACM Transactions on Information Systems (TOIS), Vol. 28, No. 1, 2010
18 Sergio Greco, Cristian Molinaro, Irina Trubitsyna, Ester Zumpano,
NP Datalog: a Logic Language for Expressing NP Search and Optimization Problems,
Theory and Practice of Logic programming (TPLP), 10(2), 125-166, 2010
19 Giuseppe Tradigo, Pierangelo Veltri, Sergio Greco,
Geomedica: managing and querying clinical data distributions on geographical database systems,
ICCS, 1, 2010, 979-986.
20 Francesco Gullo, Giovanni Ponti, Andrea Tagarelli, Sergio Greco,
A Time Series Representation Model for Accurate and Fast Similarity Detection,
Pattern Recognition (PR), Vol. 42, No. 11, 2009, 2998-3014.
21 Luciano Caroprese, Sergio Greco, Ester Zumpano,
Active Integrity Constraints for Database Consistency Maintenance,
IEEE Transactions on knowledge and data engineering, 2009, 1042-1058.
22 Sergio Greco, Cristian Molinaro.
Towards Relational Inconsistent Databases with Functional Dependencies.
KES (2) 2008: 695-702.
23 Sergio Greco, Irina Trubitsyna, Ester Zumpano,
On the Semantics of Logic Programs with Preferences,
Journal of Artificial Intelligence Research (JAIR), Vol. 30, pp. 501-523, 2007.
24 Filippo Furfaro, Sergio Greco, Cristian Molinaro.
A three-valued semantics for querying and repairing inconsistent databases.
Annals of Mathematics and Artificial Intelligence (AMAI), Vol. 51, No. 2-4, 2007.
28
25 Mario Cannataro, Giovanni Cuda, Marco Gaspari, Sergio Greco, Giuseppe Tradigo, Pierangelo Veltri.
The EIPeptiDi tool: enhancing peptide discovery in ICAT-based LC MS/MS experiments.
BMC BIOINFORMATICS, Vol. 8, No. 255, pp. 1-14, 2007.
26 Sergio Flesca, Filippo Furfaro, Sergio Greco
Weighted path queries on semistructured databases,
Information and Computation (IC), ed. Elsevier, Vol. 204, No. 3, pp. 679-696, 2006
27 Sergio Flesca, Filippo Furfaro, Sergio Greco
A Graph Grammars based Framework for Querying Graph-like Data,
Data & Knowledge Engineering (DKE), ed. Elsevier, Vol. 59, No. 3, pp. 652-680, 2006
28 Sergio Flesca, Sergio Greco.
Partially Ordered Regular Languages for Graph Queries.
Journal of Computer and System Science, Vol. 70, No. 1, 2005.
29 Gianluigi Greco, Sergio Greco, Irina Trubitsyna, Ester Zumpano
Optimization of bound disjunctive queries with constraints,
Theory and Practice of Logic Programming (TPLP), Vol. 5 (6), pp. 713-745, 2005.
30 Sergio Flesca, Sergio Greco, Andrea Tagarelli, Ester Zumpano
Mining User Preferences, Page Content and Usage to Personalize Website Navigation.
WWW Journal, Vol. 8, No. 3, pp. 317-345, 2005.
31 A. Tagarelli, I. Trubitsyna, Sergio Greco.
Combining Linear Programming and Clustering Techniques for the Classification of Research Centers.
AI Communications 17(3):111-122, 2004.
32 G. Greco, Sergio Greco, E. Zumpano,
“Collaborative Filtering Supporting Web Site Navigation”
AI Communications 17(3): 155-166, 2004.
33 F. Furfaro, G. Greco, Sergio Greco.
Minimal Founded semantics for Disjunctive Logic Programs and Disjunctive Databases.
Theory and Practice of Logic Programming, Vol. 4 (1-2), pp. 75-93, 2004.
34 G. Greco, Sergio Greco, E. Zumpano
Web Communities: Models and Algorithms.
WWW Journal, Vol. 7, No. 1, pp. 58-82, 2004.
35 G. Greco, Sergio Greco, E. Zumpano.
A logical Framework for Querying and Repairing Inconsistent Databases.
IEEE-Transaction on Knowledge and Data Engineering, Vol. 15, No. 6, 1389-1408, 2003.
36 Sergio Greco.
Binding Propagation Techniques for the Optimization of Bound Disjunctive Queries
IEEE Transaction on Knowledge and Data Engineering Vol. 16, No. 2, pp. 368-385, 2003.
37 Sergio Flesca, F. Furfaro, Sergio Greco,
A Query Language for XML based on Graph Grammars.
WWW Journal, Vol. 5, No. 2, pp. 125-158, 2002.
29
38 S. Basta, Sergio Flesca, Sergio Greco.
Functional Queries in Datalog.
New Generation Computing, Vol. 20, No. 4, pp. 339-372, 2002.
39 F. Furfaro, S. Ganguly, Sergio Greco, Carlo Zaniolo.
Pushing Extrema Aggregates to Optimize Logic Queries.
Information Systems, Vol. 27, pp. 321-343, 2002.
40 G. Greco, Sergio Greco, E. Zumpano.
A Probabilistic Approach for Distillation and Ranking of Web Pages.
WWW Journal, 4(3), 189-207 Kluwer, 2001.
41 Sergio Greco, E. Masciari, L. Pontieri.
Combining Inductive and Deductive Tools for Data Analysis.
AI Communication, Vol. 14, No. 2, pp. 69-82, 2001.
42 Sergio Flesca, Filippo Furfaro, Sergio Greco.
Graph Grammars for Querying Graph-like Data. Electr. Notes Theor. Comput. Sci. (ENTCS), 50(3),
2001.
43 Sergio Flesca, Sergio Greco.
Rewriting Queries Using Views.
IEEE Transaction of Knowledge and Data Engineering, Vol 13, No. 6, 2001.
44 Sergio Greco, Carlo Zaniolo,
Greedy Algorithms in Datalog.
Theory and Practice of Logic Programming, Vol. 1, No. 4, 391-407, July 2001.
45 Sergio Flesca, Sergio Greco,
Declarative Semantics for Active Rules.
Theory and Practice of Logic Programming, Vol. 1, No. 1, pp. 43-69, January 2001.
46 Sergio Greco, D. Saccà, C. Zaniolo.
Extending Stratified Datalog to Capture Complexity Classes Ranging from P to QH
Acta Informatica Vol. 37, No. 10, pp. 699-725, 2001.
47 Sergio Flesca, Sergio Greco.
Declarative Extended Path Queries for Object-Relational Databases And Web Data,
Journal of Applied System Science (JASS) Special issue on “Applied Cooperative Systems”, Vol. 1, No. 3,
2000.
48 S. Basta, Sergio Flesca, Sergio Greco.
Optimization of bounded linear recursive queries
Networking and Information Systems Journal (NIS), Vol. 2, No. 4, pp. 387-412, 1999.
49 Sergio Greco, D. Saccà, C. Zaniolo.
Grammars and Automata to Optimize Chain Logic Queries.
Int. Journal on Foundation of Computer Science, Vol. 10, No. 3, pp. 349-372, 1999.
50 Sergio Greco, Domenico Saccà
Complexity and Expressive Power of Deterministic Semantics for DATALOG¬ .
Information and Computation, Vol. 153, No. 1, pp. 81-98, 1999.
30
51 Sergio Greco
Non-determinism and weak constraints in Datalog.
New Generation Computing, Vol. 16, No. 4, pp. 373-396, 1998.
52 Sergio Greco.
Dynamic Programming in Datalog with Aggregates
IEEE Transaction on Knowledge and Data Engineering, Vol. 11, No. 2, pp. 265-283, February 1999.
53 Fosca Giannotti, Sergio Greco, Domenico Saccà, Carlo Zaniolo
Programming with Non-Determinism in Deductive Databases.
Annals of Mathematics and Artificial Intelligence (AMAI), Vol. 10, No. 1-2, pp. 97-125, 1997.
54 Sergio Greco, Domenico Saccà.
“Possible is Certain” is Desiderable and can be Expressive.
Annals of Mathematics and Artificial Intelligence (AMAI), Vol. 10, No. 1-2, pp. 147-168, 1997.
55 Sergio Greco, L. Palopoli, E. Spadafora
Querying Datalog with Arrays: Design and Implementation Issues.
Journal of System Integration, Vol 7, No. 1, 1996 (lavoro invitato).
56 Natraj Arni, Sergio Greco, Domenico Saccà.
Matching of Bounded Set Terms in the Logic Language LDL++.
Journal of Logic Programming (JLP), Vol 27, No. 1, pp. 73-87, April 96.
57 Sergio Greco, Luigi Palopoli, Eugenio Spadafora
Extending Datalog with Arrays.
Data & Knowledge Engineering (DKE), Vol. 17, No. 1, pp. 31-57, 1995.
58 Sumit Ganguly, Sergio Greco, Carlo Zaniolo.
Extrema Predicates in Deductive Databases.
Journal of Computer and System Sciences (JCSS), Vol. 51, No. 2, pp. 244-259, 1995 (lavoro invitato).
59 Sergio Greco, Luigi Palopoli, Pasquale Rullo.
Netlog, A Logic Query Language for Network Model Database.
Data & Knowledge Engeneering (DKE), Vol. 3, No. 6, pp. 183-205, 1991.
60 S. Greco, Nicola Leone, Pasquale Rullo.
COMPLEX: An Object-Oriented Logic Programming System.
IEEE Transaction on Knowledge and Data Engineering (TKDE), Vol. 4, No. 4, August, pp. 344-359, 1992.
61 Sergio Greco, Pasquale Rullo.
Complex-Prolog: A Logic Database Language for Handling Complex Objects.
Information Systems, Vol. 14, No. 1, pp. 79-87, 1989.
11.4
Lavori sottomessi a riviste a carattere internazionale
62 Sergio Greco, Francesca Spezzano, Irina Trubitsyna,
Checking Chase Termination: Cyclicity Analysis and Rewriting Techniques.
Sottomesso a IEEE Transacion on Knowledge and Data Engineering (TKDE), 2014.
63 Mrco Calautti, Sergio Greco, Irina Trubitsyna,
Detecting decidable classes of finitely ground logic programs with function symbols, Sottomesso a Journal
of Artificial Intelligence Research (JAIR), 2014.
64 Sergio Greco, Francesca Spezzano, Irina Trubitsyna,
Checking Termination of Bottom-Up Evaluation of Logic Programs with Function Symbols.
Sottomesso a Theory and Practice of Logic Programming (TPLP), 2014.
31
11.5
Riviste a carattere nazionale
65 Sergio Greco, Nicola Leone, Luigi Palopoli, Pasquale Rullo, Domenico Saccà,
A long tour from theory to practice,
Intelligenza Artificiale, 5(1), 2011, 133-138.
66 S. Greco, N. Leone, P. Rullo.
Un linguaggio Logico per Basi di Dati e Conoscenza.
Rivista di Informatica, Vol. XXI, n. 4, 343-355, 1991.
11.6
Congressi internazionali
67 Salvatore Romeo, Andrea Tagarelli, Francesco Gullo, Sergio Greco.
A Tensor-based Clustering Approach for Multiple Document Classifications.
ICPRAM, 2013, 200-205.
68 Sergio Greco, Cristian Molinaro, Irina Trubitsyna.
Bounded Programs: A New Decidable Class of Logic Programs with Function Symbols,
IJCAI, 2013.
69 Marco Calautti, Sergio Greco, Irina Trubitsyna,
Detecting decidable classes of finitely ground logic programs with function symbols,
PPDP, 2013, 239-250.
70 Sergio Greco, Francesca Spezzano, Irina Trubitsyna,
On the Termination of Logic Programs with Function Symbols,
ICLP (Technical Communications), 2012, 323-333.
71 Andrea De Francesco, Sergio Greco, Francesca Spezzano, Irina Trubitsyna,
ChaseT: A Tool for Checking Chase Termination, SUM, 2011, 520-524.
72 Andrea Tagarelli, Mario Longo, Sergio Greco.
Word Sense Disambiguation for XML Structure Feature Generation.
Proceedings 6th European Semantic Web Conference (ESWC ’09), Heraklion, Greece, pp. 143-157, 2009.
73 Francesco Gullo, Andrea Tagarelli, Sergio Greco.
Diversity-based Weighting Schemes for Clustering Ensembles.
Proceedings SIAM International Conference on Data Mining (SDM), Sparks, NV (USA), pp. 437-448, 2009.
74 Sergio Greco, Cristian Molinaro.
Approximate Probabilistic Query Answering over Inconsistent Databases.
ER Conf., pp. 311-325, 2008.
75 Francesco Gullo, Giovanni Ponti, Andrea Tagarelli, Sergio Greco.
A Hierarchical Algorithm for Clustering Uncertain Data via an Information-Theoretic Approach.
ICDM Conf., pp. 821-826, 2008.
76 Francesco Amato, Mario Cannataro, Carlo Cosentino, F. Montefusco, Giuseppe Tradigo, Pierangelo
Veltri, A. Garozzo, N. Lombardo, Sergio Greco, C. Manfredi.
A web-based system for the collection and analysis of spectra signals for early detection of voice alterations.
SAC 2008: 1405-1409
32
77 Sergio Greco, Cristian Molinaro.
Querying and Repairing Inconsistent Databases Under Three-Valued Semantics.
ICLP 2007: 149-164
78 Luciano Caroprese, Sergio Greco, Cristian Molinaro.
Prioritized Active Integrity Constraints for Database Maintenance.
DASFAA 2007: 459-471
79 Sergio Greco, Cristian Molinaro, Francesco Parisi.
Preference rules in database querying.
ICEIS (1) 2007: 119-124
80 A. Tagarelli, S. Greco.
Toward Semantic XML Clustering.
6th SIAM International Conference on Data Mining (SDM 06). Bethesda, Maryland, USA, April 20-22,
2006.
81 Luciano Caroprese, Sergio Greco, Cristina Sirangelo, Ester Zumpano.
Declarative Semantics of Production Rules for Integrity Maintenance.
International Conference on Logic Programming (ICLP), 2006: 26-40.
82 Sergio Greco, Irina Trubitsyna, Ester Zumpano.
On the Semantics of Logic Programs with Preferences.
European COnference on Artificial Intelligence (JELIA) 2006: 203-215
83 Sergio Greco, Cristian Molinaro, Irina Trubitsyna.
Implementation and Experimentation of the Logic Language NP Datalog.
DEXA 2006: 622-633
84 Luciano Caroprese, Sergio Greco, Ester Zumpano.
A Logic Programming Approach to Querying and Integrating P2P Deductive Databases.
FLAIRS Conference 2006: 31-36
85 Luciano Caroprese, Sergio Greco, Irina Trubitsyna, Ester Zumpano.
Preferred Generalized Answers for Inconsistent Databases.
ISMIS 2006: 344-349.
86 Sergio Greco, Irina Trubitsyna, Ester Zumpano.
Aggregates and Preferences in Logic Programming.
International Symposium on Methodologies for Intelligent Systems (ISMIS) Saratoga Springs, New York,
USA, May 25-28, 2005.
87 Sergio Greco, Irina Trubitsyna, Ester Zumpano.
NP datalog: a Logic Language for NP Search and Optimization Queries.
International Database Engineering and Application Symposium (IDEAS) Montreal, CANADA, July 25 27, 2005.
88 Ester Zumpano, Sergio Greco, Irina Trubitsyna, Pierangelo Veltri.
On the Semantics and Expressive Power of Datalog-like Languages for NP Search and Optimization Problems.
ACM Symposium On Applied Computing (SAC), pp. 692-697, Nicosia, Cyprus, March 14-17, 2004.
33
89 Sergio Flesca, Sergio Greco, Andrea Tagarelli, Ester Zumpano.
Non-Invasive Support for Personalized Navigation of Websites.
In Proc. of Int. Database Engineering and Applications Symposium (IDEAS), pp. 183-192, Coimbra,
Portugal, 7-9 July, 2004.
90 Sergio Flesca, Sergio Greco, Ester Zumpano.
Active Integrity Constraints.
Principles and Practice of Declarative Programming (PPDP), pp. 238-253, Verona, Italy, August 24 - 26,
2004 .
91 Sergio Greco, Cristina Sirangelo, Irina Trubitsyna, Ester Zumpano.
Feasibility Conditions and Preference Criteria in Querying and Repairing Inconsistent Databases.
Database and Expert Systems Applications (DEXA), pp. 44-55, Zaragoza, Spain, 30 August - 3 September,
2004.
92 Andrea Tagarelli, Sergio Greco,
Clustering Transactional XML Data with Semantically-Enriched Content and Structural Features.
WISE 04, LNCS 3306, pp. 266-278. Brisbane, Australia, November 22-24, 2004.
93 Sergio Greco, Cristina Sirangelo, Irina Trubitsyna and Ester Zumpano.
Preferred Repairs for Inconsistent Databases.
International Database Engineering and Applications Symposium (IDEAS), pp. 202-211, July 16-18, 2003,
Hong Kong.
94 Sergio Flesca, Filippo Furfaro, Sergio Greco, Ester Zumpano.
Repairs and Consistent Answers for XML Data with Functional Dependencies.
International XML Database Symposium (XSym), pp. 238-253, Berlin, Germany, 2003.
95 Gianluigi Greco, Sergio Greco, Ester Zumpano.
A lightweight tool for easy web sites navigation.
Web Information Systems Engineering (WISE), pp. 134-146, Rome, Italy, 10-12 December, 2003.
96 Sergio Greco, Ester Zumpano.
On the Rewriting and Efficient Computation of Bound Disjunctive Datalog Queries.
Principles and Practice of Declarative Programming (PPDP), pp. 136-147, Uppsala, Sweden, 27-29 August,
2003.
97 Gianluigi Greco, Sergio Greco, Ester Zumpano.
Sted: A System Prototype for Discovering Authoritative Web Pages.
IEEE International Conference on Information Technology: Coding and Computing (ITCC), pp. 294-299,
2002.
98 Gianluigi Greco, Sergio Greco, Ester Zumpano.
A logical Framework for the Integration of Databases.
Proc. International Symposium on Methodologies for Intelligent Sistems (ISMIS), 2002.
99 Sergio Flesca, Filippo Furfaro, Sergio Greco,
XGL: a graphical query language for XML
International Database Engineering and Application Symposium (IDEAS),
Edmonton, Alberta, Canada, 2002.
34
100 Gianluigi Greco, Sergio Greco, Irina Trubitsyna, Ester Zumpano,
Query Optimization of Disjunctive Databases with Constraints through Binding Propagation.
Int. Conf. on Logic for programming and Artificial Intelligence (LPAR), 2002.
101 Gianluigi Greco, Sergio Greco, Irina Trubtsyna, Ester Zumpano.
Translating Datalog-like Optimization Queries into ILOG Programs.
Logic Program Synthesis and Transformation (LOPSTR), pp. 48-49, Madrid, Spain, 18 - 20 September,
2002.
102 G. Greco, S. Greco, E. Zumpano.
A Stochastic Approach for Modeling and Computing Web Communities.
Web Information Systems Engineering (WISE), pp. 43-52, Singapore, 12-14th Dec, 2002.
103 G. Greco, S. Greco, E. Zumpano,
A Logic Language for Database Integration.
Joint Conference on Declarative Programming (APPIA-GULP-PRODE), Madrid, Spain, 16 - 18 September,
2002.
104 G. Greco, S. Greco, E. Zumpano.
A logic Programming approach to the Integration, Repairing and Querying of Inconsistent Databases.
Proc. Int. Conf. on Logic Programming (ICLP),
Paphos, Cypress, Nov 26 - Dec 1, 2001
105 Gianluigi Greco, Sergio Greco, Ester Zumpano.
Deterministic Semantics for Disjunctive Logic Programs.
Proc. APPIA-GULP-PRODE Joint Conf. on Declarative Programming, Evora, Portugal, pp. 17-30, 2001.
106 Sergio Greco, Luigi Pontieri, Ester Zumpano.
Integrating and Managing Conflicting Data.
Fourth Int. Conf. on Perspectives of System Informatics (PSI), Novosibirsk, Akademgorodok, Russia, pp.
187-192, 2001.
107 S. Greco, L.Pontieri, E. Zumpano.
A Technique for Information System Integration.
First Int. Conf. on Information Systems Technology and its Applications (ISTA), National Technical
University Kharkiv, Ukraine, 2001
108 G. Greco, S. Greco, E. Zumpano.
A Probabilistic Approach for Discovering Authoritative Web Pages.
Int. Conf. on Web and Information Systems (WISE), Kyoto, Japan, 2001.
109 S. Greco, E. Zumpano.
Computing Repairs for Inconsistent Databases.
Proc. of the Third Int. Symp. on Cooperative Database System for Advanced Applications (CODAS),
Beijing, China, pp. 30-37, 2001.
110 Sergio Flesca, Sergio Greco.
Querying Graph Databases.
Proc. Int. Conf. on Extending Database Technology (EDBT), pp. 510-524, 2000.
111 S. Greco, E. Masciari, L. Pontieri.
Combining Different Data Mining Techniques to Improve Data Analysis.
Proc. Int. Conf. on Flexible Query Answering Systems (FQAS), pp. 455-464, 2000.
35
112 S. Flesca, S. Greco, E. Zumpano.
Modeling and Querying XML-Data.
Database Engineering and Applications Symposium (IDEAS), pp. 275-286, 2000.
113 S. Greco, E. Zumpano.
Querying Inconsistent Databases.
Logic for Programming and Automated Reasoning (LPAR), pp. 308-325, 2000.
114 S. Greco, E. Masciari, L. Pontieri.
A Hybrid Technique for Data Mining on Balance-Sheet Data.
Int. Conf. Data Warehousing and Knowledge Discovery (DaWaK), pp. 419-424, 2000.
115 S. Greco, D. Saccà.
Search and Optimization Algorithm in Datalog.
Proc. APPIA-GULP-PRODE Joint Conf. on Declarative Programming, (electronic proceedings), Habana,
Cuba, 2000.
116 S. Greco.
Optimization of Disjunctive Queries.
Proc. Int. Conf. on Logic Programming (ICLP), pp. 441-455, 1999.
117 S. Greco.
Minimal Founded Semantics for Disjunctive Logic Programming.
Int. Conf. on Logic Programming and Non Monotonic Reasoning (LPNMR), pp. 221-235, 1999.
118 S. Flesca, S. Greco.
Partially Ordered Languages for Graph Queries.
Proc. Int. Colloquium on Automata, Languages and Programming (ICALP), pp. 321-330, 1999.
119 S. Flesca, S. Greco, P. Lambardi and D. Romeo.
A System Prototype for the Optimization of Disjunctive Logic Programs.
Proc. APPIA-GULP-PRODE Joint Conf. on Declarative Programming, L’Aquila, Italy, pp. 229-241, 1999.
120 S Flesca, S. Greco.
Rewriting Queries Using Views.
Proc. Int. Conference on Database and Expert System Applications (DEXA), Firenze, pp. 352-361, 1999.
121 S. Flesca, S. Greco.
Declarative Extended Path Queries For Object-Relational Databases And Web Data.
Proc. Int. Conf. on Databases, Web and Cooperative Systems (DWACOS), Vol. 1, pp. 35-40, 1999.
122 S. Greco.
Binding Propagation in Disjunctive Databases.
Proc. Int. Conf on Very Large Data Bases (VLDB), pp. 287-298, 1998.
123 S. Greco, C. Zaniolo.
Greedy Algorithms in Datalog with Choice and Negation.
Proc. Int Joint Conference and Symposium on Logic Programming (ICLP/ILPS), pp. 294-309, 1998.
124 S. Ganguly, S. Greco, and C. Zaniolo.
Optimization of Logic Queries with MIN and MAX Predicates.
Proc. Int. Work. on Flexible Query Answering (FQAS), pp. 188-202, 1998.
36
125 S Flesca, S. Greco.
Declarative Semantics for Active Rules.
Proc. Int. Conference on Database and Expert System Applications (DEXA), Vienna, pp. 871-880, 1998.
126 S. Basta, S. Flesca, S. Greco.
Extending Datalog to Express Functional Queries: A Language and its Implementation.
Proc. APPIA-GULP-PRODE Joint Conf. on Declarative Programming, La Coruna, Spain, pp. 165-173,
1998.
127 S. Greco, D. Saccà.
Deterministic Semantics for Datalog¬ : Complexity and Expressive Power.
Proc. Int. COnf. on Deductive and Object Oriented Databases (DOOD), pp. 337-350, 1997.
128 F. Buccafurri, S. Greco and D. Saccà.
The Expressive Power of Unique Total Stable Model Semantics.
Proc. Int. Colloquium on Automata, Languages and Programming (ICALP), pp. 849-859, 1997.
129 S. Greco, D. Saccà.
NP Optimization Problems in Datalog.
Proc. Int. Logic Programming Symposium (ILPS), pp. 181-195, 1997.
130 S. Greco.
Optimal Unification of Bound Simple Set-Terms.
Proc. ACM Int. Conf on Information and Knowledge Managment (CIKM), pp. 326-336, 1996.
131 S. Greco.
Extending Datalog with Choice and Weak Constraints.
Proc. APPIA-GULP-PRODE Joint Conf. on Declarative Programming, S. Sebastan, Spain, pp. 329-340,
1996.
132 S. Greco, E. Spadafora.
Implementation of Chain Logic Queries.
Proc. APPIA-GULP-PRODE Joint Conf. on Declarative Programming, S. Sebastan, Spain, pp. 340-352,
1996.
133 S. Greco, C. Mateis, E. Spadafora.
The Complexity of Unification of Bounded Simple Set Terms.
Proc. Int. Conference on Database and Expert System Applications (DEXA). Zurich, Switzerland, pp.
224-233, 1996.
134 S. Greco and D. Saccà.
The Expressive Power of “Possible-is-Certain” Semantics.
Proc. Int. Conf. ASIAN, 33-42, 1996.
135 S. Greco, D. Saccà, C. Zaniolo.
The Pushdown Method for the Optimization of Chain Logic Programs,
Proc. Int. Colloquium on Automata, Languages and Programming (ICALP), pp. 323-332, 1995.
136 S. Greco, D. Saccà, C. Zaniolo.
DATALOG Queries with Stratified Negation and Choice from P to DP .
Proc. Int. Conf. on Database Theory (ICDT), pp. 82-97, 1995.
37
137 S. Greco, L. Palopoli, E. Spadafora.
DatalogA : Array Manipulations in a Deductive Database Language.
Proc. Fourth Int. Symp. on Database Systems for Advanced Applications (DASFAA),
pp. 180-188, Singapore, 1995.
138 S. Greco, C. Zaniolo.
Efficient Execution of Recursive Queries Through Controlled Binding Propagation.
Proc. International Symposium on Methodologies for Intelligent Sistems (ISMIS), pp. 193-202, Charlotte,
1994.
139 S. Greco, D. Saccà, C. Zaniolo.
Dynamic Programming Optimization for Logic Programs with Aggregates.
Proc. Int. Logic Programming Symposium (ILPS), pp. 575–589, 1993.
140 S. Greco.
Optimization of Chain Queries.
Proc. Third Int. Symp. on Database Systems for Advanced Applications (DASFAA),
pp. 261-268, Taejon, Korea, 1993.
141 S. Greco, C. Zaniolo, and S. Ganguly.
Greedy by Choice.
Proc. of the Eleventh ACM Symposium on Principles of Database Systems (PODS), pp. 105–163, 1992.
142 N. Arni, S. Greco, and D. Saccà.
Set-Term Matching in Logic Programming.
Int. Conf. on Database Theory (ICDT), pp. 436-449, 1992.
143 S. Greco, C. Zaniolo.
Optimization of Linear Logic programs Using Counting Methods.
Proc. Int. Conf. on Extending Database Technology (EDBT), pp. 72-87, 1992.
144 S. Ganguly, S. Greco, and C. Zaniolo.
Minimum and Maximum Predicates in Logic Programming.
Proceedings of the Tenth ACM Symposium on Principles of Database Systems (PODS), pp. 154–113, 1991.
145 S. Greco, D. Saccà.
Negative Logic Programs.
North American Conference on Logic Programming (NACLP, former ILPS), pp. 480-497, Austin, 1990.
146 S. Greco, N. Leone, and W. Staniszkis.
A Virtual Memory Support for Deductive Database Queries.
Proc. Int. Conf. on Data and Knowledge Base Integration, pp. 133-152, Keele, England, 1989.
147 S. Greco, P. Rullo.
L-Bis: A Logic Based Inheritance System.
Proc. 11th Int. Conf. on Data Base Management System, pp. 195-215, Seregelies, Hungary, 1988.
11.7
Workshops internazionali
148 Giuseppe Tradigo, Pierangelo Veltri, Onorina Marasco, Giovanna Scozzafava, Giuseppe Parlato, Sergio
Greco,
Studying neonatal TSH distribution by using GIS,
HealthGIS, 2012, 36-39.
38
149 Sergio Greco, Francesco Gullo, Giovanni Ponti, Andrea Tagarelli.
Collaborative Clustering of XML Documents.
Proceedings 1th International Workshop on Distributed XML Processing (ICPP), Vienna, Austria, pp.579586, 2009.
150 G. Greco, S. Greco, E. Zumpano.
Recommendation Techniques for the Efficient Navigation of Web sites.
Workshop on Document Compression and Synthesis in Adaptative Hypermedia Systems (DoCS), Malaga
(Spain), 28 Maggio, 2002.
151 S. Flesca, F. Furfaro, S.Greco.
Weighted path queries on Web Data.
Fourth International Workshop on the Web and Databases (WebDB), S. Barbara, California, USA, pp. 7-12,
2001.
152 S. Flesca, F. Furfaro, S.Greco.
Graph Grammars for Querying Graph-like Data.
Int. Workshop on Graph Transformation and Visual Modeling Techniques (GT-VMT), Crete, Greece, pp.
249-258, 2001.
153 S. Greco, N. Leone and F. Scarcello.
DATALOG with Nested Rules.
Proc. Int. Workshop on Logic Programming and Knowledge Rapresentation (LPKR), pp. 52-65, 1997.
154 S. Greco, C. Mateis, E. Spadafora.
Unification of Bounded Simple Set Terms in Deductive Databases.
Proc. Int. Workshop on Logic in Databases (LID), S. Miniato, Italy, pp. 435-453, 1996.
155 S. Greco.
Counting Method for Linear Programs.
Proc. IJCAI-Workshop on Integrating Artificial Intelligence and Databases, Sidney, Australia, 1991.
11.8
Capitoli di Libri
156 Sergio Flesca, Sergio Greco, Ester Zumpano.
Managing Inconsistent Databases Using Active Integrity Constraints.
Encyclopedia of Database Technologies and Applications, pp. 345-350, 2005
157 Sergio Greco, Cristina Sirangelo, Irina Trubitsyna, Ester Zumpano.
Preferred Repairs for Inconsistent Databases.
Encyclopedia of Database Technologies and Applications, pp. 480-485, 2005.
158 Sergio Greco, Ester Zumpano.
Consistent Queries Over Databases with Integrity Constraints.
Encyclopedia of Database Technologies and Applications, pp. 529-534, 2005.
159 Sergio Greco, Ester Zumpano.
Rewriting and Efficient Computation of Bound Disjunctive Datalog Queries.
Encyclopedia of Database Technologies and Applications, pp. 536-541, 2005.
160 Sergio Flesca, Filippo Furfaro, Sergio Greco, Ester Zumpano.
Repairing Inconsistent XML Data with Functional Dependencies.
Encyclopedia of Database Technologies and Applications, pp. 542-547, 2005.
39
161 S. Greco, E. Zumpano.
Consistent Queries over Databases with Integrity Constraints.
Cap 6 in Database Integrity: Challenge And Solutions, 172-202, Idea Group Publishing - USA, 2001.
11.9
Raccolte Monografiche
162 Sergio Greco, Francesca A. Lisi,
Logic Programming Languages for Databases and the Web,
25 Years GULP, 2010, 183-203.
163 S. Greco, D. Saccà.
Search and Optimization Algorithm in Datalog.
Computational Logic: From Logic Programming into the Future (in honour of Bob Kowalski), SpringerVerlag, pp. 61-82, 2001.
164 S. Greco, M. Romeo, and D. Saccà.
Evaluation of Negative Logic Programs.
LOGIDATA+: Deductive Databases with Complex Objects, (P. Atzeni ed.), LNCS n. 701, Springer-Verlag,
pp.148-158, 1993.
165 S. Greco, G. Marrella, and D. Saccà.
A System Prototype for the Evaluation of Negative Logic Programs.
Rapp. Int. DEIS 1992, in LOGIDATA+: Deductive Databases with Complex Objects, (P. Atzeni ed.), LNCS
n. 701, Springer-Verlag, pp. 259-262, 1993.
11.10
Poster e articoli brevi
166 Sergio Greco, Massimiliano Ruffolo, Andrea Tagarelli.
Effective and efficient similarity search in time series.
CIKM 2006: 808-809
167 S. Flesca, F. Furfaro, S. Greco,
XGL: A Graphical Query Language for XML.
International Conference on Data Engineering (ICDE), Poster Session, 2002.
168 G. Greco, S. Greco, I. Trubitsyna, E. Zumpano,
Translating Datalog-like Optimization Queries into ILOG Programs.
LOPSTR Works., 2002.
11.11
Congressi a carattere nazionale
169 Sergio Greco, Francesca Spezzano, Irina Trubitsyna,
Stratification-based Criteria for Checking Chase Termination,
SEBD, 2012, 85-192,
170 Sergio Greco, Francesco Gullo, Giovanni Ponti, Andrea Tagarelli, Giuseppe Agapito,
Clustering XML Documents: a Distributed Collaborative Approach (Extended Abstract),
SEBD, 2010, 406-413.
171 Sergio Greco, Cristian Molinaro, Francesca Spezzano, Irina Trubitsyna,
Querying and Updating Inconsistent Databases (Extended Abstract),
SEBD, 2010, 438-445.
40
172 Francesco Gullo, Giovanni Ponti, Andrea Tagarelli, Sergio Greco.
Information-Theoretic Hierarchical Clustering of Uncertain Data.
Proceedings ”17th Italian Symposium on Advanced Database Systems (SEBD), Camogli, pp. 273-280, 2009.
173 Cristian Molinaro, Francesca Spezzano, Sergio Greco.
A System Prototype for Computing Probabilistic Query Answers over Inconsistent Databases.
Proceedings ”17th Italian Symposium on Advanced Database Systems (SEBD), Camogli, pp. 9-20, 2009.
174 Andrea Tagarelli, Mario Longo, Sergio Greco.
Extracting Structural Semantic Features for XML Data. Proceedings ”16th Italian Symposium on Advanced
Database Systems (SEBD), pp. 144-155, 2008.
175 Francesco Gullo, Giovanni Ponti, Andrea Tagarelli, Sergio Greco.
: Accurate and Fast Similarity Detection in Time Series.
Proceedings ”15th Italian Symposium on Advanced Database Systems (SEBD), pp. 172-183, 2007.
176 Sergio Greco, Cristian Molinaro, Francesco Parisi.
Exploiting Preference Rules for Querying Databases.
Proceedings ”15th Italian Symposium on Advanced Database Systems (SEBD), pp. 405-413, 2007.
177 Cristian Molinaro, Sergio Greco, Luciano Caroprese.
Prioritized Active Integrity Constraints for Database Maintenance.
Proceedings ”14th Italian Symposium on Advanced Database Systems (SEBD), pp. 20-31, 2006.
178 Andrea Tagarelli, Sergio Greco.
SemXClust: A System for Semantic XML Clustering.
Proceedings ”14th Italian Symposium on Advanced Database Systems (SEBD), pp. 72-79, 2006
179 Luciano Caroprese, Sergio Greco, Cristina Sirangelo, Ester Zumpano.
A logic based approach to P2P Databases. Proceedings ”13th Italian Symposium on Advanced Database
Systems (SEBD), pp. 67-74, 2005
180 Sergio Greco, Andrea Tagarelli, Irina Trubitsyna, Ester Zumpano.
“A System Supporting Website Navigation”
Proceedings ”12th Italian Symposium on Advanced Database Systems (SEBD), S. Margherita di Pula, pp.
142-149, 2004.
181 S. Greco, L. Pontieri, E. Zumpano.
Integrating Possibly Conflicting Data.
Proceedings ”12th Italian Symposium on Advanced Database Systems (SEBD), pp. 241-248, 2001.
182 S. Basta, S. Greco, E. Zumpano.
Integrazione di basi dati con vincoli.
Atti conferenza su Sistemi Evoluti per Basi di Dati (SEBD), pp. 333-344, 2000.
183 S. Flesca, S. Greco, G. Strazzulla.
Rappresentazione ed interrogazione di dati XML.
Atti conferenza su Sistemi Evoluti per Basi di Dati (SEBD), pp. 95-108, 2000.
184 Stefano Basta, Sergio Flesca, Sergio Greco, Ester Zumpano.
A System Prototype for the Evaluation of Queries on Materialized Views. Atti conferenza su Sistemi Evoluti
per Basi di Dati (SEBD), pp. 291-306, 1999.
41
185 S Flesca, Sergio Greco,
Deterministic and Non-Deterministic Declarative Semantics for Active Rules,
Atti conferenza su Sistemi Evoluti per Basi di Dati (SEBD), pp. 203-217, 1998.
186 S. Basta, S. Greco.
Un linguaggio per interrogazioni funzionali: Implementazione di un prototipo.
Atti conferenza su Sistemi Evoluti per Basi di Dati (SEBD), pp. 305-324, 1997.
187 F. Buccafurri, S. Greco, E. Spadafora.
Implementazione di Interrogazioni Semplici Concatenate.
Atti conferenza su Sistemi Evoluti per Basi di Dati (SEBD), Rimini, pp. 187-205, 1994.
188 S. Greco, L. Palopoli, and P. Rullo.
Updating Deductive Database: A Survey.
Atti del Congresso AICA, pp. 211-226, Bari, 1990.
189 S. Greco, P. Rullo.
Un linguaggio Orientato ad Oggetti basato sulla Programmazione Logica.
Atti del Convegno Italiano su Programmazione Logica (Gulp), pp. 319-328, Roma 1988.
190 S. Greco, O. Piperno, P. Rullo.
Un linguaggio per la Rappresentazione della Conoscenza basato sul Prolog.
Atti del Convegno AICA, Vol.2, pp. 381-391, Trento 1987.
Rende, 22 gennaio 2014
Sergio Greco
42

CV - Unical

Documenti correlati

Prodotti

Supporto

CV - Unical

Documenti correlati

Aggiungere questo documento alla raccolta (s)

Aggiungere questo documento salvato

Suggeriscici come migliorare StudyLib