Torna ai risultati della ricercaBando per assegno di ricerca
| Titolo del progetto di ricerca in italiano | Cross-Domain Deep Learning in Natural Language Processing |
|---|---|
| Titolo del progetto di ricerca in inglese | cross-domain deep learning in natural language processing |
| Campo principale della ricerca | Engineering |
| Sottocampo della ricerca | Knowledge engineering |
| Campo principale della ricerca | Computer science |
| Sottocampo della ricerca | Informatics |
| Campo principale della ricerca | Mathematics |
| Sottocampo della ricerca | Algorithms |
| Campo principale della ricerca | Technology |
| Sottocampo della ricerca | Knowledge technology |
| Settore Concorsuale | 09 - Ingegneria industriale e dell'informazione |
| S.S.D | - |
| Descrizione sintetica in italiano | definire metodi/algoritmi cross-domain con migliore rappresentazione della semantica non limitata al significato di singoli termini e con ridotto numero di parametri. Le soluzioni dovrebbero produrre risultati più accurati e sapere (i) classificare documenti, possibilmente anche dati strutturati, di domini eterogenei (ii) semplificare la fase di tuning e la ricerca nell'ampia combinazione di valori di parametri. In particolare il piano di lavoro è il seguente: - Analisi dell’efficacia e dei limiti delle soluzioni esistenti per la classificazione cross-domain, con riferimento a text set in ambito tradizionale e big data della ricerca in ambito machine & deep learning; - formalizzazione e implementazione di metodi/algoritmi, o estensione di soluzioni esistenti, con test massivi su data set di benchmark, anche di tipo big data, come corpora di recensioni, annotazioni genomiche etc. - presentazione dei risultati a conferenze/journal internazionali peer-reviewed. |
| Descrizione sintetica in inglese | defining cross-domain machine & deep learning methods/algorithms with better semantic representations not limited to the meaning of single words and with a reduced number of parameters. The solutions should produce more accurate results and be able to (i) classify documents, possibly also structured data, of heterogenous domains (ii) simplify the tuning phase by reducing the large combinations of parameters' values. In particular the work plan is the following: - analysis of the efficacy and limits of existing solutions in cross-domain classification, with reference to text sets in traditional and big data contexts of machine & deep learning research; - formalization and implementation of methods, algorithms or extensions of solutions, with massive tests over several benchmark data sets, including big data sets, such as corpora of reviews, genomic annotations etc. - presentation of results in international peer-reviewed conferences/journal. |
| Data del bando | 20/11/2017 |
| 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 |
| gianluca.moro@unibo.it |
| L'assegno finanziato/cofinanziato attraverso un EU Research Framework Programme? | No |
|---|
| Data di scadenza del bando | 06/12/2017 - alle ore 00:00 |
|---|---|
| Come candidarsi | Other |