Una leadership al femminile in Università non solo è possibile, ma è già in atto. Direttrici di diversi Dipartimenti dell'Università di Pisa discuteranno di quali sfide personali e professionali...
Leggi tutto
Nicola Tonellotto, docente di ingegneria dell'informazione al DII, è stato premiato con il Best Paper Honoruable Mention ad ECIR 2026 (European Conference on Information Retrieval), la maggiore conferenza europea per la ricerca nel campo del Recupero delle Informazioni (IR), la cui 48esima edizione si è svolta a Delft tra il 29 marzo e il 2 aprile
L'articolo premiato, “When Reducing Representations Improves Performance", a firma di Andrea Pasin, Guglielmo Faggioli, Nicola Ferro, Raffaele Perego e Nicola Tonellotto (UniPisa, UniPadova e CNR), dimostra che nel recupero di informazioni tramite reti neurali, a volte il meno è meglio.
I modelli neurali hanno infatti rivoluzionato i motori di ricerca, perché permettono di capire il significato delle parole e non solo le corrispondenze esatte. Per farlo, trasformano query e documenti in rappresentazioni matematiche chiamate embedding.
Non tutte le componenti di queste rappresentazioni sono però ugualmente utili: alcune migliorano molto i risultati, altre possono persino peggiorarli. Per individuare le combinazioni migliori, i ricercatori hanno usato algoritmi genetici, ispirati ai meccanismi dell’evoluzione.
I risultati indicano che scegliere solo le dimensioni più efficaci può migliorare la qualità della ricerca e rendere questi sistemi più robusti anche su dataset diversi. In sintesi, non serve usare tutto: conta scegliere gli elementi giusti.