Torna ai risultati della ricercaBando per assegno di ricerca
| Titolo del progetto di ricerca in italiano | Soft Text Classifier |
|---|---|
| Titolo del progetto di ricerca in inglese | Soft Text Classifier |
| Campo principale della ricerca | Computer science |
| Sottocampo della ricerca | Database management |
| Settore Concorsuale | 01 - Scienze matematiche e informatiche |
| S.S.D | - |
| Descrizione sintetica in italiano | La classificazione di testi in linguaggi specializzati (come il gergo medico) e con semantiche particolari (es. le espressioni temporali), produce risultati non soddisfacenti soprattutto quando il numero di classi è molto alto, come in ICD-9-CM. In questi contesti, due approcci possono migliorare la qualità dell’attività di classificazione: la classificazione semi-automatica e l’elaborazione semantica del testo. Nella classificazione semi-automatica una lista ordinata viene proposta all’utente, che seleziona i risultati appropriati secondo le sue competenze. Mediante il learning to rank è possibile migliorare l’accuratezza apprendendo dalle scelte dell’utente. Considerare la semantica delle parole migliora significativamente i modelli di text classification. Nel progetto ci concentreremo sulle espressioni temporali, introducendo nuovi modelli di ranking basati su distanze emimetriche e nuove caratteristiche temporali, per migliorare l’accuratezza dei modelli esistenti. |
| Descrizione sintetica in inglese | Text classification on specialized languages (e.g. medical jargon) and with particular semantics (e.g. temporal expressions), produces unsatisfactory results especially when the number of target classes is very high, as in ICD-9-CM. In these contexts, two key approaches have been shown to improve the classification task: the soft classification (semi-automatic) and the semantic processing of text. In soft classification a ranked set of options are proposed to the users, who can select the right results according to their expertise. This model of interaction allows the classifier to incrementally improve its accuracy, as users’ searches happen. Processing the semantic of words significantly enhance text classification models. In this project we will focus on temporal expressions, introducing new ranking models based on hemimetric distances and novel temporal features, to enhance the effectiveness of existing ranking models. |
| Data del bando | 30/11/2016 |
| Paesi in cui può essere condotta la ricerca |
Italy |
| Paesi di residenza dei candidati |
All |
| Nazionalità dei candidati |
All |
| Sito web del bando | https://www.aricweb.unibo.it/BandiPubblicati/zz_Bandi_din.aspx |
| Destinatari dell'assegno di ricerca (of target group) |
Early stage researcher or 0-4 yrs (Post graduate) |
|---|---|
| Criteri di selezione in italiano (breve descrizione) | il bando e la modulistica per partecipare alla procedura di valutazione comparativa sono disponibili all'indirizzo: https://www.aricweb.unibo.it/BandiPubblicati/zz_Bandi_din.aspx |
| Criteri di selezione in inglese (breve descrizione) | to apply for research grants fill out the form available at the following address: https://www.aricweb.unibo.it/BandiPubblicati/zz_Bandi_din.aspx |
| Nome dell'Ente finanziatore | ALMA MATER STUDIORUM - UNIVERSITA' DI BOLOGNA - - DIPARTIMENTO DI INFORMATICA - SCIENZA E INGEGNERIA |
|---|---|
| Tipologia dell'Ente | Public research |
| Paese dell'Ente | Italy |
| Città | Bologna |
| Sito web | http://www.unibo.it |
| mauro.gaspari@unibo.it |
| L'assegno finanziato/cofinanziato attraverso un EU Research Framework Programme? | No |
|---|
| Data di scadenza del bando | 15/12/2016 - alle ore 00:00 |
|---|---|
| Come candidarsi | Other |