donatellafirmani - Tesi (in Italian)

Ambiti

Di seguito alcuni possibili ambiti di tesi, altri verranno pubblicati. I riferimenti bibliografici sono in fondo. Per ulteriori informazioni scrivere alla mia email istituzionale donatella.firmani at uniroma1.it

Data cleaning and Integration

La pulizia dei dati è un compito fondamentale nella gestione dei dati ed è da lungo tempo di interesse per ricercatori e professionisti. L'integrazione dei dati mira a fornire una visione unificata su diverse fonti di dati, confrontando diverse rappresentazioni delle stesse relazioni ed entità. Domini come il World Wide Web possono fornire migliaia di fonti su entità del mondo reale, tra cui profili di persone o specifiche di prodotti e servizi. L'unificazione può essere impegnativa per le strategie automatizzate, ma può essere relativamente più facile -- anche se non scalabile -- per gli esperti umani. Questo ambito di ricerca si concentra sull'utilizzo della conoscenza umana per la pulizia e l'integrazione dei dati, in combinazione con tecniche statistiche e di apprendimento automatico come i Large Language Models (LLM).

Knowledge Graphs

I grafi della conoscenza (KGs) hanno trovato molte applicazioni in contesti industriali che accademici, il che a sua volta ha motivato considerevoli sforzi verso l'estrazione di informazioni su larga scala da una varietà di fonti. Eppure, anche i KG più grandi soffrono di incompletezza; le tecniche di link prediction (LP) affrontano questo problema. Nonostante la letteratura in crescita rapida sull'argomento, la pratica standard in questo settore è quella di riportare l'accuratezza aggregando su un gran numero di fatti di test in cui alcune entità e relazioni sono molto più rappresentate di altre; consentendo così ai metodi LP di mostrare buoni risultati per cattive ragioni. Questo ambito di ricerca si concentra sulla ricerca di metodi robusti di benchmarking per confrontare i metodi di previsione dei collegamenti basati su embedding.

Explainable Artificial Intelligence

I problemi su integrazione dei dati e Knowledge Graphs discussi nei paragrafi precedenti, anche se ampiamente studiati negli ultimi decenni, rappresentano ancora sfide significative nella gestione dei dati. Diversi lavori recenti hanno iniziato a esplorare l'opportunità di applicare tecniche di deep learning (DL), ottenendo un significativo incremento nelle performance. Questa attività di ricerca studia il problema fondamentale di spiegare le predizioni fatte da tali tecniche, valutandone l'affidabilità e i bias. Trattando il modello DL come un classificatore black box, ci si concentra sulla produzione sia di spiegazioni di salienza, che associano ciascun attributo a un punteggio di salienza, sia di spiegazioni controfattuali, che forniscono esempi di valori che possono invertire la predizione.

Applications

L'attività di ricerca descritta nei paragrafi precedenti si può svolgere sia da una prospettiva teorica che pratica. Inoltre, si possono esplorare diversi scenari di applicazione, tra cui Health, E-learning e IoT. Nel campo Health, ad esempio, si possono utilizzare Knowledge Graphs (KG) specifici del dominio per rendere più efficaci le metodologie di integrazione dei dati nei sistemi sanitari. Nel contesto dell'E-learning, si possono pulire e integrare database di domande a risposta multipla, una componente critica delle piattaforme educative. Nell'ambito dell'IoT, ad esempio, si possono considerare applicazioni come smart manufacturing, optical character recognition e cloud continuum, al fine di estrarre artefatti completi (e.g. tabelle o KGs) che aiutino l'utente umano e facilitino i sistemi decisionali in tempo reale.

Riferimenti

[Dong and Srivastava 2015] Dong, X. L., & Srivastava, D. (2015). Big data integration. Synthesis Lectures on Data Management, 7(1), 1-198.
[Köpcke et al. 2010] Köpcke, H., Thor, A., & Rahm, E. (2010). Evaluation of entity resolution approaches on real-world match problems. Proceedings of the VLDB Endowment, 3(1-2), 484-493.
[Di Cicco et al. 2019] Di Cicco, V., Firmani, D., Koudas, N., Merialdo, P., & Srivastava, D. (2019, July). Interpreting deep learning models for entity resolution: an experience report using LIME. In Proceedings of the Second International Workshop on Exploiting Artificial Intelligence Techniques for Data Management (pp. 1-4).
[Ranbaduge et al. 2018] Ranbaduge, T., & Christen, P. (2018, November). Privacy-preserving temporal record linkage. In 2018 IEEE International Conference on Data Mining (ICDM) (pp. 377-386).
[Li et al. 2015] Li, F., Lee, M. L., Hsu, W., & Tan, W. C. (2015, May). Linking temporal records for profiling entities. In Proceedings of the 2015 ACM SIGMOD international conference on management of data (pp. 593-605).
[Catarci et al. 2019] Catarci, T., Firmani, D., Leotta, F., Mandreoli, F., Mecella, M., & Sapio, F. (2019, July). A conceptual architecture and model for smart manufacturing relying on service-based digital twins. In 2019 IEEE international conference on web services (ICWS) (pp. 229-236).
[Watson et al. 2021] Watson, D., Gultchin, L., Taly, A., & Floridi, L. (2021). Local explanations via necessity and sufficiency: unifying theory and practice. In Proceedings of the 7th Conference on Uncertainty in Artificial Intelligence (UAI 2021).
[Cappuzzo et al. 2020] Cappuzzo, R., Papotti, P., & Thirumuruganathan, S. (2020, June). Creating embeddings of heterogeneous relational datasets for data integration tasks. In Proceedings of the 2020 ACM SIGMOD International Conference on Management of Data (pp. 1335-1349).
[Rossi et al. 2021] Rossi, A., Barbosa, D., Firmani, D., Matinata, A., & Merialdo, P. (2021). Knowledge graph embedding for link prediction: A comparative analysis. ACM Transactions on Knowledge Discovery from Data (TKDD), 15(2), 1-49.
[Arya et al. 2019] Arya, V., Bellamy, R. K., Chen, P. Y., Dhurandhar, A., Hind, M., Hoffman, S. C., ... & Zhang, Y. (2019). One explanation does not fit all: A toolkit and taxonomy of ai explainability techniques. arXiv preprint arXiv:1909.03012.
[Primpeli and Bizer 2020] Primpeli, A., & Bizer, C. (2020, October). Profiling entity matching benchmark tasks. In Proceedings of the 29th ACM International Conference on Information & Knowledge Management (pp. 3101-3108).
[Tao 2018] Tao, Y. (2018, May). Entity matching with active monotone classification. In Proceedings of the 37th ACM SIGMOD-SIGACT-SIGAI Symposium on Principles of Database Systems (pp. 49-62).
[van der Waa et al. 2021] van der Waa, J., Nieuwburg, E., Cremers, A., & Neerincx, M. (2021). Evaluating XAI: A comparison of rule-based and example-based explanations. Artificial Intelligence, 291, 103404.
[Li et al. 2012] Li, P., Tziviskou, C., Wang, H., Dong, X. L., Liu, X., Maurino, A., & Srivastava, D. (2012). Chronos: Facilitating history discovery by linking temporal records. Proceedings of the VLDB Endowment, 5(12), 2006-2009.
[Guidotti 2021] Guidotti, R. (2021). Evaluating local explanation methods on ground truth. Artificial Intelligence, 291, 103428.
[Qian et al. 2019] Qian, K., Popa, L., & Sen, P. SystemER: A Human-in-the-loop System for Explainable Entity Resolution. Proceedings of the VLDB Endowment, 12(12).
[Doshi-Velez and Kim 2017] Finale Doshi-Velez and Been Kim. “Towards a rigorous science of interpretable machine learning”. In: arXiv preprint arXiv:1702.08608 (2017)
[Lakkaraju et al. 2016] Himabindu Lakkaraju, Stephen H Bach, and Jure Leskovec. “Interpretabledecision sets: A joint framework for description and prediction”. In: Proceedings of the 22nd ACM SIGKDD international conference on knowledge discovery and data mining. 2016, pp. 1675–1684.
[Lakkaraju et al. 2019] Himabindu Lakkaraju et al. “Faithful and customizable explanations ofblack box models”. In: Proceedings of the 2019 AAAI/ACM Conferenceon AI, Ethics, and Society. 2019, pp. 131–138.
[Letham et al 2015] Benjamin Letham et al. “Interpretable classifiers using rules and bayesiananalysis: Building a better stroke prediction model”. In: The Annals of Applied Statistics (2015), pp. 1350–13
[Lundberg and Lee 2017] Scott M Lundberg and Su-In Lee. “A unified approach to interpretingmodel predictions”. In:Proceedings of the 31st international conferenceon neural information processing systems. 2017, pp. 4768–4777.
[Ribeiro et al. 2016] Marco Tulio Ribeiro, Sameer Singh, and Carlos Guestrin. “” Why should I trust you?” Explaining the predictions of any classifier”. In: Proceedings ofthe 22nd ACM SIGKDD international conference on knowledge discoveryand data mining. 2016, pp. 1135–1144.
[Ribeiro et al 2018] Marco Tulio Ribeiro, Sameer Singh, and Carlos Guestrin. “Anchors: High-precision model-agnostic explanations”. In:Proceedings of the AAAI con-ference on artificial intelligence. Vol. 32. 1. 2018