Information Retrieval

Cluster di dipartimento

  • Big Data Analytics e Sistemi Informativi

Sito web del gruppo

Descrizione

La maggior parte delle informazioni disponibili oggi sulla rete è di tipo testuale e non strutturato, e numerosi sono i problemi da risolvere per consentirne un accesso efficace. Le ricerche del gruppo di Information Retrieval (IR) si concentrano su vari aspetti attinenti al reperimento di informazioni non strutturate, prevalentemente testi in linguaggio naturale. Alcune delle linee di ricerca sono:

  1. Valutazione dell’efficacia dei sistemi d’IR. Vengono definite e proposte nuove metriche di efficacia e le metriche esistenti (ad oggi già più di 100) vengono analizzate da un punto di vista teorico e formalizzate; vengono inoltre proposte metodologie alternative per una valutazione efficiente e ingegnerizzata, con il fine principale di risparmiare risorse.
  2. Analisi e categorizzazione di testi brevi. I testi brevi (come quelli tratti da post su reti sociali, come Facebook e Twitter, o da software di messaggistica, come WhatsApp e Telegram) vengono modellati e trattati con tecniche particolari (ad es., l’arricchimento) per meglio comprenderne il significato e per meglio modellare (gli interessi del) l’utente che li ha creati.
  3. Analisi dei dati di posizionamento. I dati di posizionamento, spostamenti e traiettorie vengono usati e interpretati per la costruzione di modelli utente.
  4. Uso di dispositivi mobili per l’accesso alle informazioni. Vengono sviluppati dei sistemi d’IR mobile e contestuale, per dati e servizi e interfacce avanzate e intelligenti per l’IR con sistemi mobili.
  5. Crowdsourcing. Viene usato il crowdsourcing (outsourcing a masse non strutturate e non organizzate) per la raccolta di giudizi di relevance. Vengono studiati l’accordo fra crowd worker, l’affidabilità dei dati raccolti e le metodologie più appropriate per farlo. Viene analizzata l’attività dei crowd worker che usano dispositivi mobili (mobile crowdsourcing). Readersourcing, un modello basato su crowdsourcing per il controllo di qualità nella diffusione della conoscenza scientifica, viene raffinato, analizzato e applicato al peer assessment nell’e-learning.

Oltre ai membri dell’università di Udine elencati, le ricerche si avvalgono della collaborazione di colleghi di varie università e centri di ricerca (Madrid, Lugano, Melbourne, Sheffield).

Linee di ricerca

  • Valutazione dell’efficacia dei sistemi d’IR
  • Analisi e categorizzazione di testi brevi. Analisi dei dati di posizionamento e spostamenti
  • Accesso alle informazioni mobile e contestuale

Settori ERC

  • PE6_10 Web and information systems, data management systems, information retrieval and digital libraries, data fusion
  • PE6_2 Distributed systems, parallel computing, sensor networks, cyber-physical systems

Etichette libere

  • Valutazione dell’efficacia dei motori di ricerca
  • Sistemi mobili e context-aware
  • Reti sociali
  • Crowdsourcing

Componenti

Stefano MIZZARO
Ivan SCAGNETTO