Vito Walter Anelli

Vito Walter Anelli è Professore Associato in Sistemi di Elaborazione delle Informazione al Politecnico di Bari. I suoi interessi di ricerca attuali includono: Recommender Systems e Machine Learning, grafi di conoscenza e tecnologie semantiche, sistemi di accesso personalizzato all'informazione, rappresentazione e ragionamento con preferenze.

IINF-05/A

La sua attività di ricerca si concentra principalmente sulle tematiche relative all'Intelligenza Artificiale ed all'accesso personalizzato all'Informazione.
Per quanto concerne l'accesso personalizzato all'Informazione, ha sviluppato nuovi algoritmi di raccomandazione (recommender systems), ed ha proposto nuove metriche e protocolli di valutazione considerando dimensioni di analisi Beyond Accuracy: Fairness, Novelty, Diversity.
Si è inoltre interessato ai modelli addestrati mediante apprendimento automatico (machine learning), ed all'utilizzo di fonti di dati eterogenee per alimentarli.
Grazie all’iniziativa Linking Open Data, infatti, è possibile realizzare dei motori di raccomandazione basati su contenuto o ibridi.
Si è interessato alle tecniche semantiche di rappresentazione dell’informazione per proporre un nuovo modello interpretabile di raccomandazione basato su fattorizzazione di matrici.
Si è interessato a come sia possibile misurare se un sistema basato su apprendimento automatico (che faccia uso di conoscenza sematica all’interno del modello) sia in grado di preservare la semantica originale. Ha quindi proposto due metriche per misurare l’accuratezza semantica del modello e la sua robustezza alla rimozione di parti della base di conoscenza. Questo interesse si è sviluppato in due direzioni: (i) l’investigazione sulla possibilità di realizzare attacchi ai sistemi di raccomandazione utilizzando basi semantiche di conoscenza, e (ii) la possibilità di valutare la qualità di una base di conoscenza sfruttando i protocolli di valutazione riconosciuti dalla comunità dei sistemi di raccomandazione. In questo caso, l’idea è definire una valutazione della qualità di una base di conoscenza che sia funzione del task per il quale la base di conoscenza viene utilizzata.
L’elevata complessità computazionale di alcuni algoritmi di raccomandazione ha aperto due ulteriori direzioni di ricerca: (i) la realizzazione di un sistema federato di raccomandazione che distribuisca il costo computaziole su singoli dispositivi incrementando la privacy dei dati sensibili, e (ii) la riprogettazione degli algoritmi che costituiscono il fondamento dei sistemi di raccomandazione. In questo senso, ha proposto variazioni, anche radicali, ai modelli di raccomandazione basati su similarità, tempo, popolarità, e grafi.

Martedì 14:00-15:00 (Riunione in presenza) - Il giorno e l'ora qui riportati sono da considerarsi indicativi.

È possibile verificare gli slot effettivi e prenotarsi al link https://outlook.office.com/book/VitoWalterAnelliSisinflab@poliba.it/?ismsaljsauthenabled