Sviluppo di metodi ed algoritmi in ambito data science, con particolare riferimento alle discipline di data mining, text mining e natural language processing con approcci di machine learning e deep neural network, inclusi metodi non supervisionati per la riduzione della dimensionalità ed il data clustering in domini distribuiti, incluse reti di sensori e IoT data centriche, e di big data.
Per quanto riguarda text mining e natural language processing, gli interessi di ricerca vanno da metodi di rappresentazione semantica del testo basati su language model neurali efficienti non simbolici e subsimbolici, algebrici e knowledge graph, ad architetture e modelli di information retrieval efficienti cross-modali di testi e immagini con approcci di deep metric learning, e di cross-domain text classification, text summarisation estrattiva ed astrattiva.
L’attività di ricerca in ambito data mining è focalizzata su algoritmi di data clustering centralizzati e distribuiti, in domini di big data e reti di sensori IoT, sistemi di recommendation, metodi di classificazione multi-label ad elevata dimensionalità in ambito bioinformatico, con particolare riferimento ai settori genomico e cardiologico, e nello sviluppo di metodi di boosting e modelli predittivi nel settore finanziario e del trading.