20140108

Page 1

Seconda prova in itinere di METODI PER IL RITROVAMENTO DELL’INFORMAZIONE C.d.L. in Informatica - A.A. 2013-14 Docente: P. Lops - 8 Gennaio 2014 (DURATA: 2 ore) Nome e Cognome : ___________________________________________ Matricola : ___________________________________________ 1) Siano dati l’insieme delle categorie C = {c 1, c 2} e una collezione di documenti definiti sul vocabolario V = {T1, T2, T3, T4, T5, T6>}. Costruire un classificatore bayesiano per C, addestrandolo sul seguente training set TR: TR = {<d1,c1>, <d2,c1>, <d3,c1>, <d4,c2>} dove per ogni documento d j si riporta di seguito l’elenco delle parole in esso presenti, con le relative occorrenze: d1={T1:2, T2:3, T4:4} d2={T1:1, T3:2} d3={T2:1, T4:2} d4={T1:1, T2:2, T5:4} NB: illustrare chiaramente tutte le fasi di costruzione del classificatore (PUNTI 7) Determinare la classe di appartenenza del documento dx={T6:2} (PUNTI 3) 2) Sia data la seguente matrice utenti-item di un sistema di filtraggio collaborativo, i cui rating di gradimento sono espressi in una scala discreta da 1 a 5 I1 I2 I3 I4 I5 I6 U1 1 3 4 1 4 5 U2 2 4 3 1 5 4 U3 1 5 5 3 U4 1 1 4 2 4 1 U5 4 4 1 2 4 1 a) Indicare la lista ordinata dei neighbors per l’utente attivo U3, utilizzando i seguenti valori di similarità: sim(U1,U3) =0,87 sim(U2,U3) =0,67 sim(U4,U3) =0,49 sim(U5,U3) =-0,40 (PUNTI 2) b) Calcolare le predizioni per gli item I5 ed I6 per l’utente attivo U3 , utilizzando un algoritmo di collaborative filtering di tipo user-to-user, ed utilizzando una neighborhood size pari a 2. (PUNTI 8) 3) Illustrare in maniera sintetica i problemi dei recommender systems di tipo content-based. (PUNTI 7) 4) Descrivere le metriche di errore (MAE ed RMSE) utilizzate per la valutazione dell’accuratezza dei recommender systems (PUNTI 5)