skip to Main Content
Pubblicazioni di Riferimento:

Pilato, G., & Vassallo, G. (2014), TSVD as a Statistical Estimator in the Latent Semantic Analysis Paradigm, In IEEE Transactions on Emerging Topics in Computing. Volume:3 ,  Issue: 2  pp 185 – 192

D’Avanzo, E., & Pilato, G. (2014). Mining social network users opinions’ to aid buyers’ shopping decisions. Computers in Human Behavior. Volume 51, Part B, October 2015, Pages 1284–1294

 Terrana, D., Augello, A., & Pilato, G. (2014). Analysis of Facebook Users’ Relationships Through Sentiment Classification: A Case Study of Italian Politicians. International Journal of Semantic Computing, 8(03), 301-317. 

Pilato, G., Augello, A., & Gaglio, S. (2012). A modular system oriented to the design of versatile knowledge bases for chatbots. ISRN Artificial Intelligence, 2012. Volume 2012 (2012), Article ID 363840, 10 pages

Augello, A., Gaglio, S., Oliveri, G., & Pilato, G. (2013). An algebra for the manipulation of conceptual spaces in cognitive agents. Biologically Inspired Cognitive Architectures, Volume 6, October 2013, Pages 23–29

Augello, A., Infantino, I., Pilato, G., Rizzo, R., & Vella, F. (2014). Creativity evaluation in a cognitive architecture. Biologically Inspired Cognitive Architectures. Volume 11, January 2015, Pages 29–37

Augello, A., Gentile, M., Pilato, G., & Vassallo, G. (2014). A Geometric Algebra Based Distributional Model to Encode Sentences Semantics. In Distributed Systems and Applications of Information Filtering and Retrieval (pp. 101-114). Springer Berlin Heidelberg.

Spiccia, C., Augello, A., Pilato, G., & Vassallo, G. (2015, February). A word prediction methodology for automatic sentence completion. In Semantic Computing (ICSC), 2015 IEEE International Conference on (pp. 240-243). IEEE.

 Terrana, D., Augello, A., & Pilato, G. (2015, February). A system for analysis and comparison of social network profiles. In Semantic Computing (ICSC), 2015 IEEE International Conference on (pp. 109-115). IEEE.

Sangiorgi, P., Augello, A., & Pilato, G. (2014). An approach to detect polarity variation rules for sentiment analysis. In Proc of WEBIST 2014–10th international conference on web information systems and technologies, 3–5 April.

Terrana, D., Augello, A., & Pilato, G. (2014, June). Automatic Unsupervised Polarity Detection on a Twitter Data Stream. In Semantic Computing (ICSC), 2014 IEEE International Conference on (pp. 128-134). IEEE.

Augello, A., Infantino, I., Pilato, G., Rizzo, R., & Vella, F. (2014). Combining Representational Domains for Computational Creativity. In Proceedings of 5th international conference on computational creativity, ICCC 2014, June.

Chella, A., Gaglio, S., Augello, A., Pilato, G. (2014). Creativity in conceptual spaces. In Proceedings of 5th international conference on computational creativity, ICCC 2014, June.

Terrana, D., Augello, A., & Pilato, G. (2014, June). Facebook Users Relationships Analysis Based on Sentiment Classification. In Semantic Computing (ICSC), 2014 IEEE International Conference on (pp. 290-296). IEEE.

Mazzonello, V., Gaglio, S., Augello, A., & Pilato, G. (2013, September). A Study on Classification Methods Applied to Sentiment Analysis. In Semantic Computing (ICSC), 2013 IEEE Seventh International Conference on (pp. 426-431). IEEE.

Augello, A., Gaglio, S., Oliveri, G., & Pilato, G. (2013). Acting on Conceptual Spaces in Cognitive Agents. In AIC@ AI* IA (pp. 25-32).

Sangiorgi, P., Augello, A., & Pilato, G. (2013, September). An unsupervised data-driven cross-lingual method for building high precision sentiment lexicons. In Semantic Computing (ICSC), 2013 IEEE Seventh International Conference on (pp. 184-190). IEEE.

Terrana, D., & Pilato, G. (2013, September). Detection, Clustering and Tracking of Life Cycle Events on Twitter Using Electric Fields Analogy. In Semantic Computing (ICSC), 2013 IEEE Seventh International Conference on (pp. 220-227). IEEE 

Augello, A., Gentile, M., Pilato, G., & Vassallo, G. (2012). Geometric Encoding of Sentences based on Clifford Algebra. In KDIR 2012 – Proceedings of the International Conference on Knowledge Discovery and Information Retrieval 10/2012 KDIR (pp. 457-462).

PON R&C 2007-2013 Progetto SINTESYS Security And INTElligence SYSstem

Obiettivo generale

Il progetto SINTESYS affronta il problema della homeland security secondo un’ottica integrata che sintetizza studi condotti su diverse aree scientifiche e tecnologiche al fine di scoprire e prevenire situazioni di reale pericolo per la comunità. Un approfondito processo di Intelligence viene così condotto attraverso l’acquisizione del maggior numero di informazioni possibile sulle situazioni di interesse al fine di dedurre indicazioni utili in fase decisionale.

In particolare ci si è posto l’obiettivo di realizzare un un sistema intelligente in grado di analizzare, prevedere, investigare in maniera integrata, coerente e consistente, sorgenti di dati “aperte” (OSINT – Open Source INTelligence), multi-modali (come testi, immagini, video, registrazioni audio, ecc.) al fine di scoprire la presenza di legami, relazioni, rapporti che la valutazione disgiunta delle singole sorgenti non riuscirebbe ad evidenziare, dando un significativo contributo alla sicurezza pubblica.

Link del progetto http://sintesys.eng.it/

Contributo dato dall’ICAR

  • Studio e lo sviluppo di metodologie di text mining basate sull’induzione di spazi semantici e sulla conseguente individuazione di concetti primitivi indotti automaticamente da un corpus di testi.
  • Individuazione e messa a punto di modelli prevalentemente subsimbolici di rappresentazione della conoscenza, utili alla annotazione semantica e coadiuvanti alla fusione delle informazioni.
  • Induzione automatica di spazi semantici/concettuali.
  • Uso del paradigma della Latent Semantic Analysis come stimatore e codifiche innovative di frasi in spazi concettuali.
  • Utilizzo di metodologie di machine learning per l’analisi di testi finalizzata al raggruppamento e la classificazione di eventi/profili potenzialmente pericolosi.
  • Realizzazione di Crawlers tematici, Information Retrieval (IR) orientato alla sicurezza e Information Extraction (IE) orientato alla sicurezza.

Attività per cui l’ICAR è responsabile

  • OR3 – A3.3 Sviluppo di una metodologia basata sull’individuazione di concetti primitivi indotti automaticamente da un corpus di testi (RI).

Altre attività in cui l’ICAR è coinvolto:

  • A1.2 – Analisi delle tipologie di sorgenti multimodali da integrare (RI).
  • A1.6 – Analisi e verifica scientifica delle attività di ricerca (RI).
  • A3.3 – Analisi di dati provenienti da text mining strutturalmente frammentati (RI).
  • A3.4 – Analisi di speech-to-text linguisticamente frammentati (RI).
  • A7.1 – Studio delle tecniche di analisi, filtraggio e aggregazione degli eventi in tempo reale provenienti dai event streams (RI).
  • A7.2 – Studio e definizione dei Modelli e delle tecniche di IF (RI).
  • A7.3 -Definizione dell’architettura del sistema di IF (RI).
  • A7.4 – Definizione di tecniche di IF basate sul ragionamento pratico (RI).
  • A9.1 – Definizione, progettazione e realizzazione dell’infrastruttura di integrazione di sorgenti di informazione distribuite e multimodali (RI).
  • A11.1 – Progettazione dell’architettura del sistema integrato (RI).
  • A12.4 – Analisi e preparazione Test Plan (RI).
Back To Top