Programma

Il corso permetterà agli studenti di apprendere vari metodi per la
progettazione, l’implementazione e la sperimentazione di sistemi adattivi su Web realizzati
mediante tecniche di Intelligenza Artificiale, con particolare riferimento alle tecniche di
Machine Learning. Specifica attenzione sarà posta ai sistemi di Information Retrieval,
come i motori di ricerca, i crawler e i document feed.
Saranno studiati i modelli di retrieval classici, come il Vector Space Model e i modelli
probabilistici, le tecniche di ranking dei documenti, così come l'algoritmo PageRank
utilizzato da Google. Saranno affrontati i metodi di Machine Learning in Information
Retrieval, incluse le tecniche per la Sentiment Analysis, i metodi di User Modeling
necessari per la ricerca personalizzata e le applicazioni di social search che coinvolgono
comunità di individui in attività quali il tagging dei contenuti e il question answering.
Si approfondiranno le tecniche per l’analisi dei social network (e.g., Facebook e Twitter)
che consentiranno di esplorare fenomeni come la diffusione delle fake news, il filter bubble
e la polarizzazione degli utenti. Si studieranno, infine, i Recommender System, dagli
algoritmi di base (e.g., collaborative filtering) agli scenari applicativi (e.g., film, libri, artisti e
brani musicali)

Testi Adottati

Le lezioni del corso riguarderanno tematiche trattate in articoli scientifici e testi di
riferimento. Il docente metterà a disposizione degli studenti i lucidi delle lezioni attraverso il
sito del corso. Tali lucidi saranno autosufficienti, cioè redatti in maniera tale da non
richiedere la consultazione di testi ulteriori ai fini del superamento dell'esame.
Bibliografia di riferimento:
• Bruce Croft, Donald Metzler, and Trevor Strohman. 2010. Search Engines:
Information Retrieval in Practice (1st. ed.). Addison -Wesley Publishing Company,
USA.
• Dietmar Jannach, Markus Zanker, Alexander Felfernig, and Gerhard Friedrich.
2021. Recommender Systems: An Introduction (1st. ed.). Cambridge University
Press, USA.
• Francesco Ricci, Lior Rokach, and Bracha Shapira (eds.). 2022. Recommender
Systems Handbook (3rd. ed.). Springer, USA