Torna ai risultati della ricercaBando per assegno di ricerca
| Titolo del progetto di ricerca in italiano | Ca' Foscari University of Venice - Research fellowship for specific project:Metodi di machine learning per l’esplorazione di grafi di conoscenza |
|---|---|
| Titolo del progetto di ricerca in inglese | Ca' Foscari University of Venice - Research fellowship for specific project:Machine learning methods for knowledge graph exploration |
| Campo principale della ricerca | Computer science |
| Sottocampo della ricerca | Informatics |
| Settore Concorsuale | 01 - Scienze matematiche e informatiche |
| S.S.D | INF/01 - INFORMATICA |
| Descrizione sintetica in italiano | L'obiettivo di questo progetto è quello di sviluppare tecniche avanzate di (deep) machine learning per l’estrazione di informazione da grafi di conoscenza (knowledge graphs) nel contesto dei beni culturali. Il progetto prevede l'implementazione di un knowledge graph per la memorizzazione di dati eterogenei (immagini, video, audio, testi) su piattaforme consolidate, come ad esempio Neo4J. Successivamente l’attività di ricerca vedrà in particolare lo sviluppo di metodi innovativi di clustering statico e dinamico, al fine di estrarre gruppi di nodi simili tra loro o simili rispetto ad un insieme di nodi dati. In questo contesto, avranno un ruolo centrale le reti neurali basate su grafi, al fine di generare rappresentazioni in spazi latenti altamente espressive dei nodi del knowledge graph |
| Descrizione sintetica in inglese | This project aims to develop advanced (deep) machine learning techniques for information extraction from knowledge graphs in the context of cultural heritage. A knowledge graph for storing and managing heterogeneous data (images, video, audio, text) will be implemented using established graph database software, for example, with Neo4J. Then the research activity will focus on the development of innovative methods for static and dynamic clustering on top of the knowledge graphs. To this end, groups of similar nodes will be extracted considering both constrained and unconstrained scenarios. In this context, graph neural networks will play a central role in generating highly expressive latent representations of knowledge graph nodes |
| Data del bando | 08/09/2020 |
| Numero di assegnazioni per anno | 1 |
| Stanziamento annuale (indicativo) | 35000 |
| Periodicità | 12 |
| E' richiesta mobilità internazionale? | yes |
| Paesi in cui può essere condotta la ricerca |
Italy |
| Paesi di residenza dei candidati |
OCEANIA AFRICA EUROPE NORTH AMERICA SOUTH AMERICA ASIA |
| Nazionalità dei candidati |
OCEANIA AFRICA EUROPE NORTH AMERICA SOUTH AMERICA ASIA |
| Sito web del bando | https://www.unive.it/data/28825/ |
| Destinatari dell'assegno di ricerca (of target group) |
Early stage researcher or 0-4 yrs (Post graduate) |
|---|---|
| Il contratto prevede la copertura delle prestazioni sociali? | no |
| Importo annuale | 28497 |
| Valuta | Euro |
| Comprende lo stipendio dell'assegnista | yes |
| Comprende vitto e spese di viaggio | no |
| Comprende il costo della ricerca | no |
| Massima durata dell'assegno (mesi) | 12 |
| Criteri di selezione in italiano (breve descrizione) | TITOLI, PUBBLICAZIONI E COLLOQUIO |
| Criteri di selezione in inglese (breve descrizione) | CV AND INTERVIEW |
| Processo di selezione in italiano (breve descrizione) | TITOLI, PUBBLICAZIONI E COLLOQUIO |
| Processo di selezione in inglese (breve descrizione) | CV AND INTERVIEW |
| Nome dell'Ente finanziatore | UNIVERSITA' CA' FOSCARI VENEZIA |
|---|---|
| Tipologia dell'Ente | Public research |
| Paese dell'Ente | Italy |
| Città | VENEZIA |
| Codice postale | 30123 |
| Indirizzo | DORSO DURO 3246 |
| Sito web | http://www.unive.it |
| eclt@unive.it |
| L'assegno finanziato/cofinanziato attraverso un EU Research Framework Programme? | No |
|---|
| Data di scadenza del bando | 23/09/2020 - alle ore 00:00 |
|---|---|
| Come candidarsi | https://apps.unive.it/domandeconcorso-en/accesso/eclt08092020memex4 |