20170704

Page 1

Prova scritta di METODI PER LA GESTIONE DELLA CONOSCENZA C.d.L. in Informatica e Tecn. per la Prod. del Software - A.A. 2016-17 Docente: P. Lops - 4 Luglio 2017 Nome e Cognome: ________________________________________ Matricola: ___________ 1) Siano dati l’insieme delle categorie C={c1,c2} e una collezione di 100 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,c2>, <D3,c1>, <D4,c2>, <D5,c1>} dove per ogni documento si riporta di seguito l’elenco delle parole con le relative occorrenze: T1 T2 T3 T4 T5 T6 D1 2 3 0 4 0 0 D2 1 0 2 0 0 0 D3 0 1 0 2 0 0 D4 0 2 0 0 4 0 D5 1 1 4 1 2 0 NB: illustrare chiaramente tutte le fasi di costruzione del classificatore. (PUNTI 8) 2) Dati i documenti D1, D2 e D3 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 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) Illustrare in maniera sintetica il problema della overspecialization (sovraspecializzazione) dei content-based recommender systems (PUNTI 5) 4) 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 D5 D3 D7 D9 D4 Supponiamo che D1, D7 e D9 siano documenti rilevanti per q a) Calcolare Precision ed Average Precision per q, fornendo anche una descrizione formale delle metriche (PUNTI 4) b) Supponendo di avere dei giudizi di rilevanza…