20161125

Page 1

I prova in itinere di METODI PER LA GESTIONE DELLA CONOSCENZA (25/11/2016) C.d.L. in Informatica e Tecn. Per la Prod. del Software - A.A. 2016-17 - Docente: P. Lops Nome e Cognome: _____________________________ Matricola: _______________ 1) Siano dati l’insieme delle categorie C = {c1, c2, c3} e una collezione di 100 documenti. a) Costruire un classificatore bayesiano per C, addestrandolo sul seguente training set TR: TR = {<D1,c1>, <D2,c1>, <D3,c2>, <D4,c2>, <D5,c3>} dove per ogni documento 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={T2:2, T5:4} D5={T3:7, T5:2} NB: illustrare chiaramente tutte le fasi di costruzione del classificatore (PUNTI 6) b) Determinare la classe di appartenenza del seguente documento d={T3:4,T6:2} (PUNTI 2) 2) Siano dati i seguenti documenti e la query Q rappresentati come vettori di pesi TF -IDF non normalizzati: T1 T2 T3 T4 T5 T6 D1 2 2 0 0 0 0 D2 0 0 1 2 3 0 D3 2 1 0 2 0 0 D4 5 1 0 0 2 0 Q 0 0 3 4 0 0 a) Calcolare il ranking dei documenti rispetto alla query Q utilizzando la similarità del coseno. (PUNTI 3) b) Assumendo che D1 e D2 siano rilevanti, mentre D3 non sia invece rilevante, riformulare la query utilizzando l’algoritmo di Rocchio (utilizzare α=0.75 e β=0.25). (PUNTI 5) 3) Sia q una query che ha 5 documenti rilevanti nella collezione. Supponiamo che un algoritmo di ritrovamento applicato a q riporti il seguente ranking Rq: D1 D3 D5 D7 D9 D4 Supponiamo che D1, D7 e D9 siano documenti rilevanti per q a) Calcolare Precision, Recall ed Average Precision per q, fornendo anche una descrizione formale delle metriche (PUNTI 4) b) Supponendo di avere dei giudizi di rilevanza non binari, e assumendo che D1 e D9 abbiano un grado di rilevanza…