DSpace - Tor Vergata: Item 2108/1304

Please use this identifier to cite or link to this item: http://hdl.handle.net/2108/1304

Title:	Exploiting transitivity in probabilistic models for ontology learning
Authors:	Pazienza, Maria Teresa Zanzotto, Fabio Massimo Fallucchi, Francesca
Keywords:	ontology learning probabilistic models artificial intelligence pseudoinverse SVD logistic regression incremental learning semantic Turkey
Issue Date:	1-Jul-2010
Abstract:	Nel natural language processing (NLP) catturare il significato delle parole è una delle sfide a cui i ricercatori sono largamente interessati. Le reti semantiche di parole o concetti, che strutturano in modo formale la conoscenza, sono largamente utilizzate in molte applicazioni. Per essere effettivamente utilizzate, in particolare nei metodi automatici di apprendimento, queste reti semantiche devono essere di grandi dimensioni o almeno strutturare conoscenza di domini molto specifici. Il nostro principale obiettivo è contribuire alla ricerca di metodi di apprendimento di reti semantiche concentrandosi in differenti aspetti. Proponiamo un nuovo modello probabilistico per creare o estendere reti semantiche che prende contemporaneamente in considerazine sia le evidenze estratte nel corpus sia la struttura della rete semantiche considerata nel training. In particolare il nostro modello durante l'apprendimento sfrutta le proprietà strutturali, come la transitività, delle relazioni ...
Description:	22. ciclo
URI:	http://hdl.handle.net/2108/1304
Appears in Collections:	Tesi di dottorato in ingegneria

Files in This Item:

File	Description	Size	Format
phdthesis.pdf		1575Kb	Adobe PDF	View/Open