Diego Reforgiato Recupero
- Università di Cagliari
- https://www.unica.it/
Deep Learning e Word Embeddings creati da Reviews di Corsi Online per il Sentiment Analysis
Diego Reforgiato Recupero è Professore Associato al Dipartimento di Matematica e Informatica dell’Università di Cagliari dal Dicembre 2015 dove è co-direttore del Semantic Web laboratory, responsabile della qualità del dipartimento e membro della Commissione brevetti e spin-off dell’Università. Ha due lauree in Informatica prese all’Università di Catania e un PhD preso all’Università di Napoli Federico II. Nel 2005 ha vinto un Post Doc alla Università del Maryland dove nel 2006 ha vinto il prestigioso Computer World Horizon Award negli USA per il migliore progetto di ricerca con OASYS, an opinion analysis system che è stato commercializzato da SentiMetrix. Nel 2008, ha vinto un Grant Marie Curie che gli ha permesso di rientrare in Italia e un finanziamento per un Post Doc di 3 anni al DIEEI dell’Università di Catania dove ha vinto il premio “Best Researcher Award 2012” per un progetto sullo sviluppo di un router green vicino a commercializzazione. Nello stesso anno è arrivato sul podio dei vincitori dello “Startup Weekend” di Catania ed è stato un vincitore di Telecom Italia Working Capital di un Award di 25k euro con il progetto “Green Home Gateway”. Nel 2013 ha vinto una posizione di Post Doc al Semantic Technology Laboratory (STLAB) dell’Istituto di Scienze e Tecnologie della Cognizione (ISTC) del Consiglio Nazionale delle Ricerche (CNR) dove ha lavorato sul Semantic Web e Linked Open Data; è tuttora associato ad STLAB (ISTC-CNR) dove continua a collaborare nell’ambito del Semantic Web ed NLP. Sempre nel 2013 pubblica un articolo su Science sull’efficienza energetica di Internet. E' cofondatore di R2M Solution s.r.l., R2M Solution ltd, BUP Solutions s.r.l., La Zenia s.r.l., Sentimetrix inc. (spin-off dell'Università del Maryland), VisioScientiae (spin-off dell'Università di Cagliari)
Since December 2015, Diego Reforgiato Recupero is Associate Professor at the Department of Mathematics and Computer Science at Università di Cagliari, where he is co-director of the Semantic Web laboratory, responsible for the quality of the department and member of the University's patent and spin-off commission. He has two degrees in Computer Science at the Università di Catania and a PhD at the Università di Napoli “Federico II”. In 2005 he won a Post Doc at the University of Maryland, where in 2006 he won the prestigious Computer World Horizon Award in the USA for the best research project with OASYS, an opinion analysis system that was marketed by SentiMetrix. In 2008, he won a Marie Curie grant, which allowed him to come back to Italy, and a three year post-doc loan to DIEEI of the Università di Catania, where he won the "Best Researcher Award 2012" for a development project of a green router close to marketing. In the same year he arrived on the podium of the winners of the "Startup Weekend" in Catania and was a winner of Telecom Italia Working Capital of an Award of 25k euro with the project "Green Home Gateway". In 2013 he won a Post Doc position at the Semantic Technology Laboratory (STLAB) of the Institute of Cognitive Sciences and Technologies (ISTC) of the National Research Council (CNR) where he worked on the Semantic Web and Linked Open Data; he is still a fellow with STLAB (ISTC-CNR) where he continues to collaborate in the Semantic Web and NLP. Also in 2013 he published an article in Science on the energy efficiency of the Internet. He is co-founder of R2M Solution s.r.l., R2M Solution ltd, BUP Solutions s.r.l., La Zenia s.r.l., Sentimetrix inc. (a spin-off of University of Maryland), and VisioScientiae (a spin-off of Università di Cagliari)
SESSIONE 8. INFRASTRUTTURE DIGITALI E SERVIZI PER RICERCA E FORMAZIONE
Deep Learning e Word Embeddings creati da Reviews di Corsi Online per il Sentiment Analysis
Poiché le azioni farmacologiche dipendono dalla dose e dal tempo, l'aderenza a quando prescritto per l’assunzione dei farmaci è essenziale per l'efficacia delle terapie. Purtroppo,
diversi studi dimostrano che quando i pazienti sono essi stessi responsabili per la somministrazione dei farmaci, c’è scarsa aderenza alle prescrizioni mediche. Quindi diventa necessario ideare metodi efficaci per valutare a distanza la conformità dei farmaci che si assumono e sostenere l'auto-somministrazione di farmaci.
I metodi esistenti includono promemoria elettronici come il servizio di messaggi brevi
e app per il promemoria delle pillole. Sebbene questi strumenti possano aiutare,
c’è la possibilità che interferiscano con la normale routine dei pazienti fornendo promemoria inutili o in un momenti inappropriati.
Soluzioni più sofisticate includono l'uso di imballaggi intelligenti e
sensori per quantificare e monitorare l'assunzione dei farmaci. Quelle soluzioni che invece non interferiscono con le normali routine, attualmente sono limitati ai pazienti
coinvolti in alcuni studi clinici. In questo articolo, introduciamo un nuovo sistema per supportare l'auto-somministrazione di farmaci senza interferire con la routine del paziente. Il sistema è basato su una combinazione di sensori (di costo accessibile) e smartphone. Sensori a bassa energia dotati di bluetooth e attaccati alle scatole dei medicinali comunicano i dati di movimento ad un'applicazione in esecuzione sullo smartphone del paziente.
Grazie ad un algoritmo di apprendimento automatico, l'app rileva i momenti di assunzione dei farmaci e manda reminder all'utente solo quando è necessario. L'apprendimento attivo è usato per migliorare i tassi di riconoscimento grazie al feedback dell'utente.
Deep Learning and Word Embeddings Created from Online Course Reviews for Sentiment Analysis
User generated data distributed over network infrastructures and services through social media (social networks, e-learning sites, blogs, etc.) represent the humus for the growth of community activities. As such, in this paper, we analyze online course review content related to the e-learning context in order to demonstrate how the use of deep learning and distributional semantic approaches trained on big, context-specific, datasets of reviews is more effective than the adoption of traditional machine learning regressors using general purpose textual resources for Sentiment Analysis.
