- Docente: Valentina Presutti
- Crediti formativi: 6
- SSD: INF/01
- Lingua di insegnamento: Inglese
- Moduli: Valentina Presutti (Modulo 1) Andrea Giovanni Nuzzolese (Modulo 2)
- Modalità didattica: Convenzionale - Lezioni in presenza (Modulo 1) Convenzionale - Lezioni in presenza (Modulo 2)
- Campus: Bologna
- Corso: Laurea Magistrale in Artificial intelligence (cod. 9063)
Conoscenze e abilità da conseguire
Al termine dell'attività formativa, lo studente conosce metodi (semi-)automatizzati per l'interpretazione di dati e contenuti come fonti di conoscenza. Lo studente domina i principi dell'estrazione, dell'ingegneria e del collegamento della conoscenza, rendendo i dati adatti al ragionamento automatico, tipicamente su piattaforme decentralizzate come il Web.
Contenuti
Knowledge graphs and ontologies
OWL, RDF, SPARQL
Ontology Design methodologies, focus on Extreme Design
Intensional and Extensional modelling
Ontology design patterns
Applied reasoning
Knowledge extraction from text
Ontology evaluation and quality
Testi/Bibliografia
Note e slide fornite dal docente.
Hitzler, P., Gangemi, A., & Janowicz, K. (2016). Ontology Engineering with Ontology Design Patterns. Amsterdam: IOS Press.
P.A. Bonatti, S. Decker, A. Polleres, V. Presutti, Knowledge graphs: new directions for knowledge representation on the Semantic Web (dagstuhl seminar 18371). Dagstuhl Rep. 8(9), 29–111 (2019)
Aidan Hogan et. al. Knowledge graphs. ACM Computing Surveys, Vol. 54, No. 4, Article 71
Semantic Web (W3C Recommendations):
OWL 2: https://www.w3.org/TR/2012/REC-owl2-rdf-based-semantics-20121211/
RDF: https://www.w3.org/TR/2014/REC-rdf11-mt-20140225/
SPARQL: https://www.w3.org/TR/2013/REC-sparql11-query-20130321
Metodi didattici
Lezioni frontali, esercitazioni in laboratorio e quiz di auto-valutazione.
Modalità di verifica e valutazione dell'apprendimento
- Progetto in gruppo, scelto da una lista proposta dai docenti (con valutazione individuale)
- Presentazione individuale: analisi critica di un articolo scientifico (15 minuti)
Progetto: I gruppi dovranno applicare la metodologia eXtreme Design (spiegata e sperimentata durante il corso) per la creazione di un knowledge graph a partire da risorse esistenti (banca dati, testo, etc.), riusando / estendendo altre ontologie e dove necessario applicando strumenti di knowledge extraction, entity linking, ontology alignment, etc.
I docenti assegneranno un progetto ad ogni gruppo fornendo loro le specifiche di realizzazione. Prima dell'assegnazione, ogni gruppo potrà esprimere due preferenze in base a una lista di progetti disponibili. Le preferenze saranno tenute in considerazione ma non garantite (in caso di conflitti).
Strumenti a supporto della didattica
Slide e tool per l'autovalutazione.
Orario di ricevimento
Consulta il sito web di Valentina Presutti
Consulta il sito web di Andrea Giovanni Nuzzolese