2003
Other
Unknown
P3D: privacy preserving pattern discovery
Giannotti F., Perego R., Bonchi F., Atzori C., Lucchese C.
Non disponibile.
Giannotti F., Perego R., Bonchi F., Atzori C., Lucchese C.
Non disponibile.
See at: CNR ExploRA
2007
Other
Unknown
CoreGRID: European research network on foundations, software infrastructures and applications for large scale distributed, grid and peer-to-peer technologies - FP6-IST 004265
Baraglia R., Capannini G., Dazzi P., Laforenza D., Lucchese C., Orlando S., Perego R., Tonellotto N.
Not abstract available
Baraglia R., Capannini G., Dazzi P., Laforenza D., Lucchese C., Orlando S., Perego R., Tonellotto N.
Not abstract available
See at: CNR ExploRA
2011
Report
Unknown
Componente per la creazione di suggerimenti da comportamenti collettivi
Lucchese C., Venturini R.
The document presents our system of suggestion of point of interests that has been developed within the Visito Tuscany project. -Progetto: VIsual Support to Interactive TOurism in Tuscany -Acronimo: VISITO Tuscany -Grant agreement: D57E09000050007Source: Project report, VISITO Tuscany, 2011
Lucchese C., Venturini R.
The document presents our system of suggestion of point of interests that has been developed within the Visito Tuscany project. -Progetto: VIsual Support to Interactive TOurism in Tuscany -Acronimo: VISITO Tuscany -Grant agreement: D57E09000050007Source: Project report, VISITO Tuscany, 2011
See at: CNR ExploRA
2014
Contribution to book
Restricted
Recommender systems
Lucchese C., Muntean C. I., Perego R., Silvestri F., Vahabih., Venturini R.
An abstract is not availableSource: Mining User Generated Content, edited by Marie-Francine Moens, Juanzi Li, Tat-Seng Chua, pp. 287. London: Chapman and Hall, 2014
Lucchese C., Muntean C. I., Perego R., Silvestri F., Vahabih., Venturini R.
An abstract is not availableSource: Mining User Generated Content, edited by Marie-Francine Moens, Juanzi Li, Tat-Seng Chua, pp. 287. London: Chapman and Hall, 2014
See at:
www.crcpress.com 
| CNR ExploRA
2015
Patent
Unknown
A method to rank documents by a computer, using additive ensembles of regression trees and cache optimisation, and search engines using such a method
Dato D., Lucchese C., Nardini F. M., Orlando S., Perego R., Tonellotto N., Venturini R.
Source: PCT29914, Nazionale
Dato D., Lucchese C., Nardini F. M., Orlando S., Perego R., Tonellotto N., Venturini R.
Source: PCT29914, Nazionale
See at: patentscope.wipo.int | CNR ExploRA
2004
Conference article
Restricted
WebDocs: a real-life huge transactional dataset
Lucchese C., Orlando S., Perego R., Silvestri F.
This short note describes the main characteristics of WebDocs, a huge real-life transactional dataset we made publicly available to the Data Mining community through the FIMI repository. We built WebDocs from a spidered collection of web html documents. The whole collection contains about 1.7 millions documents, mainly written in English, and its size is about 5GB.Source: ICDM Workshop on Frequent Itemset Mining Implementations, pp. 2–2, Brighton, UK, 1 November 2004
Lucchese C., Orlando S., Perego R., Silvestri F.
This short note describes the main characteristics of WebDocs, a huge real-life transactional dataset we made publicly available to the Data Mining community through the FIMI repository. We built WebDocs from a spidered collection of web html documents. The whole collection contains about 1.7 millions documents, mainly written in English, and its size is about 5GB.Source: ICDM Workshop on Frequent Itemset Mining Implementations, pp. 2–2, Brighton, UK, 1 November 2004
See at:
ftp.informatik.rwth-aachen.de | CNR ExploRA
2008
Conference article
Unknown
Rights protection of trajectory datasets
Lucchese C., Vlachos M., Rayan D., Yu P. S.
This work presents a technique of convincingly claiming ownership rights over a trajectory dataset. The presented methodology distorts imperceptibly a collection of sequences, effectively embedding a secret key, while retaining as well as possible the neighborhood of each object, which is vital for operations such as similarity search, classification or clustering.Source: 24th International Conference on Data Engineering, pp. 1349 -–1351, Cancún, Mexico, 7-12 Aprile 2008
Lucchese C., Vlachos M., Rayan D., Yu P. S.
This work presents a technique of convincingly claiming ownership rights over a trajectory dataset. The presented methodology distorts imperceptibly a collection of sequences, effectively embedding a secret key, while retaining as well as possible the neighborhood of each object, which is vital for operations such as similarity search, classification or clustering.Source: 24th International Conference on Data Engineering, pp. 1349 -–1351, Cancún, Mexico, 7-12 Aprile 2008
See at: CNR ExploRA
2006
Software
Unknown
ExAMinerGEN
Bonchi F., Lucchese C.
ExAMinerGEN: è un software per il mining di pattern frequenti capace di sfruttare tutti i vincoli studiati ad oggi in letteratura. Il software `e implementato utilizzando lo stato dell'arte delle tecniche per il pushing di vincoli nell'estrazione di pattern frequenti. Il software è efficiente, robusto, data aware (adatta il suo comportamento ai dati in analisi) e resource-aware (passa in memoria principale, cambiando strategia di mining, non appena il database di input è stato ridotto a sufficienza rispetto alle risorse disponibili). ExAMinerGEN è il motore di mining utilizzato dal sistema ConQueSt.
Bonchi F., Lucchese C.
ExAMinerGEN: è un software per il mining di pattern frequenti capace di sfruttare tutti i vincoli studiati ad oggi in letteratura. Il software `e implementato utilizzando lo stato dell'arte delle tecniche per il pushing di vincoli nell'estrazione di pattern frequenti. Il software è efficiente, robusto, data aware (adatta il suo comportamento ai dati in analisi) e resource-aware (passa in memoria principale, cambiando strategia di mining, non appena il database di input è stato ridotto a sufficienza rispetto alle risorse disponibili). ExAMinerGEN è il motore di mining utilizzato dal sistema ConQueSt.
See at: CNR ExploRA
2010
Other
Unknown
CIP PSP-BPN ASSETS project: Advanced Search Service and Enhanced Technological Solutions for the Europeana Digital Library
Lucchese C., Perego R., Silvestri F., Tonellotto N.
ASSETS aims to improve the usability of the Europeana Digital Library platform by designing, implementing and deploying large-scale, scalable services for search and browsing. These services include: efficient storing and indexing, searching based on metadata and on content similarity; advanced ranking algorithms; browsing through semantic cross-links; semi-automatic ingestion of metadata requiring normalization, cleaning, knowledge extraction and mapping to a common structure.
Lucchese C., Perego R., Silvestri F., Tonellotto N.
ASSETS aims to improve the usability of the Europeana Digital Library platform by designing, implementing and deploying large-scale, scalable services for search and browsing. These services include: efficient storing and indexing, searching based on metadata and on content similarity; advanced ranking algorithms; browsing through semantic cross-links; semi-automatic ingestion of metadata requiring normalization, cleaning, knowledge extraction and mapping to a common structure.
See at: CNR ExploRA
2011
Journal article
Restricted
Discovering Europeana Users' Search Behavior
Ceccarelli D., Gordea S., Lucchese C., Nardini F. M., Perego R. Tolomei G.
Europeana is a strategic project funded by the European Commission with the goal of making Europe's cultural and scientific heritage accessible to the public. ASSETS is a two-year Best Practice Network co-funded by the CIP PSP Programme to improve performance, accessibility and usability of the Europeana search engine. Here we present a characterization of the Europeana logs by showing statistics on common behavioral patterns of the Europeana users.Source: ERCIM news 86 (2011): 39–40.
Ceccarelli D., Gordea S., Lucchese C., Nardini F. M., Perego R. Tolomei G.
Europeana is a strategic project funded by the European Commission with the goal of making Europe's cultural and scientific heritage accessible to the public. ASSETS is a two-year Best Practice Network co-funded by the CIP PSP Programme to improve performance, accessibility and usability of the Europeana search engine. Here we present a characterization of the Europeana logs by showing statistics on common behavioral patterns of the Europeana users.Source: ERCIM news 86 (2011): 39–40.
See at:
ercim-news.ercim.eu | CNR ExploRA
2010
Report
Unknown
VISITO - G3.1 Relazione avanzamento progetto VISITO Tuscany
Amato G., Falchi F., Bolettieri P., Lucchese C., Scopigno R., La Torre F., Minelli S., Tavanti F., Scartoni R., Salvadori S., Zanetti N., Loschiavo D.
Questo documento descrive i risultati ottenuti dal progetto VISITO-Tuscany nei primi otto mesi di lavoro. Dopo una breve panoramica degli obbiettivi generali del progetto, si evidenzieranno i risultati previsti alla fine dell'ottavo mese e si esporrà quale è stato il lavoro effettivamente sostenuto e i risultati raggiunti, in maniera dettagliata per le varie attività previste.Source: Project report, VISITO Tuscany, pp.1–35, 2010
Amato G., Falchi F., Bolettieri P., Lucchese C., Scopigno R., La Torre F., Minelli S., Tavanti F., Scartoni R., Salvadori S., Zanetti N., Loschiavo D.
Questo documento descrive i risultati ottenuti dal progetto VISITO-Tuscany nei primi otto mesi di lavoro. Dopo una breve panoramica degli obbiettivi generali del progetto, si evidenzieranno i risultati previsti alla fine dell'ottavo mese e si esporrà quale è stato il lavoro effettivamente sostenuto e i risultati raggiunti, in maniera dettagliata per le varie attività previste.Source: Project report, VISITO Tuscany, pp.1–35, 2010
See at: CNR ExploRA
2010
Report
Unknown
VISITO - Componenti per l'estrazione delle features dalle immagini
Lucchese C., Venturini R.
La ricerca efficiente di informazioni utilizza tecniche di indicizzazione dei dati al fine di soddisfare efficientemente ed efficacemente le interrogazioni sottomesse dagli utenti. In pratica gli indici rappresentano un'astrazione delle informazioni basata su bag-of-feature, l'insieme cioè delle caratteristiche più importanti (feature) di un generico oggetto, sia esso un documento testuale o un oggettomultimedialequaleunafotografiadigitale. Esistononumerositipidifeatureassociatiadun'immagineelaloroestrazione,effettuataconappositi software,écomputazionalmentecostosa.Seilnumerodiimmaginiègrande,iltempototalerichiestosuun computertradizionalediventaproibitivo.Importante,èperòporrel'accentosulfattocheogniimmagineha uninsiemedicaratteristichechenondipendedallealtreimmagini.Conseguenzadiquesto fattoèche si possonodisegnaretecnicheefficientidifeatureextractionbasatesutecnichedicalcoloparallelo.Loscopo diquestaattivitàèquindiquellodisvilupparecomponentiincuil'estrazionedifeaturesiaresaefficiente usandotecnologiedicalcoloadalteprestazioniallostatodell'artequali,adesempio,cloudcomputing. Inquestodocumento,vengonoillustratelefeaturediinteresseperilprogettoVISITO,evienedescrittoil softwaresviluppatoperlaloroestrazione.Abbiamopreferito,essendoquestoundeliverableprettamente tecnico,redigereilrestodeldocumentoinlinguainglese.Source: Project report, VISITO Tuscany, 2010
Lucchese C., Venturini R.
La ricerca efficiente di informazioni utilizza tecniche di indicizzazione dei dati al fine di soddisfare efficientemente ed efficacemente le interrogazioni sottomesse dagli utenti. In pratica gli indici rappresentano un'astrazione delle informazioni basata su bag-of-feature, l'insieme cioè delle caratteristiche più importanti (feature) di un generico oggetto, sia esso un documento testuale o un oggettomultimedialequaleunafotografiadigitale. Esistononumerositipidifeatureassociatiadun'immagineelaloroestrazione,effettuataconappositi software,écomputazionalmentecostosa.Seilnumerodiimmaginiègrande,iltempototalerichiestosuun computertradizionalediventaproibitivo.Importante,èperòporrel'accentosulfattocheogniimmagineha uninsiemedicaratteristichechenondipendedallealtreimmagini.Conseguenzadiquesto fattoèche si possonodisegnaretecnicheefficientidifeatureextractionbasatesutecnichedicalcoloparallelo.Loscopo diquestaattivitàèquindiquellodisvilupparecomponentiincuil'estrazionedifeaturesiaresaefficiente usandotecnologiedicalcoloadalteprestazioniallostatodell'artequali,adesempio,cloudcomputing. Inquestodocumento,vengonoillustratelefeaturediinteresseperilprogettoVISITO,evienedescrittoil softwaresviluppatoperlaloroestrazione.Abbiamopreferito,essendoquestoundeliverableprettamente tecnico,redigereilrestodeldocumentoinlinguainglese.Source: Project report, VISITO Tuscany, 2010
See at: CNR ExploRA
2010
Report
Unknown
VISITO - Sviluppo del componente per l'indicizzazione dei dati
Lucchese C., Venturini R.
Lo scopo del sistema per la gestione dei dati è quello di permettere il recupero veloce ed efficiente dei metadati associati ai Punti di Interesse turistico (PoI) e alle foto. In questo documento, vengono descritti i metadati associati ai PoI e alle foto e presentate le funzionalità fornite dal sistema implementato. Per ciascuna di esse vengono ampiamente descritte le strategie e gli strumenti utilizzati per la sua implementazione.Source: Project report, VISITO Tuscany, 2010
Lucchese C., Venturini R.
Lo scopo del sistema per la gestione dei dati è quello di permettere il recupero veloce ed efficiente dei metadati associati ai Punti di Interesse turistico (PoI) e alle foto. In questo documento, vengono descritti i metadati associati ai PoI e alle foto e presentate le funzionalità fornite dal sistema implementato. Per ciascuna di esse vengono ampiamente descritte le strategie e gli strumenti utilizzati per la sua implementazione.Source: Project report, VISITO Tuscany, 2010
See at: CNR ExploRA
2010
Report
Unknown
VISITO Tuscany - Progetto dell'architettura della piattaforma VISITO Tuscany v1
Atzori M., Bazzoni G., Bolettieri P., La Torre F., Loschiavo D., Lucchese C., Manfrin S., Martinelli F., Melani A., Naldi C., Pironi A., Rubichi A., Venturini R., Zanetti N.
Il documento è inquadrato nell'Obiettivo Operativo 2 del Progetto VISITO Tuscany, nel quale viene elaborata la progettazione dell'intero sistema. In particolare in questo documento verrà descritta l'architettura del sistema sulla base del Reference Model for Open Distributed Processing (RM-ODP)che prevede cinque viste: enterprise, information, computational, engineering e technology.Source: Project report, VISITO Tuscany, 2010
Atzori M., Bazzoni G., Bolettieri P., La Torre F., Loschiavo D., Lucchese C., Manfrin S., Martinelli F., Melani A., Naldi C., Pironi A., Rubichi A., Venturini R., Zanetti N.
Il documento è inquadrato nell'Obiettivo Operativo 2 del Progetto VISITO Tuscany, nel quale viene elaborata la progettazione dell'intero sistema. In particolare in questo documento verrà descritta l'architettura del sistema sulla base del Reference Model for Open Distributed Processing (RM-ODP)che prevede cinque viste: enterprise, information, computational, engineering e technology.Source: Project report, VISITO Tuscany, 2010
See at: CNR ExploRA
2011
Report
Unknown
VISITO Tuscany - Progetto dell'architettura della piattaforma VISITO Tuscany
Atzori M., Bazzoni G., Bolettieri P., La Torre F., Loschiavo D., Lucchese C., Manfrin S., Martinelli F., Melani A., Naldi C., Pironi A., Rubichi A., Venturini R., Zanetti N.
Il documento è inquadrato nell'Obiettivo Operativo 2 del Progetto VISITO Tuscany, nel quale viene elaborata la progettazione dell'intero sistema. In particolare in questo documento verrà descritta l'architettura del sistema sulla base del Reference Model for Open Distributed Processing (RM-ODP) che prevede cinque viste: enterprise, information, computational, engineering e technology.Source: Project report, VISITO Tuscany, 2011
Atzori M., Bazzoni G., Bolettieri P., La Torre F., Loschiavo D., Lucchese C., Manfrin S., Martinelli F., Melani A., Naldi C., Pironi A., Rubichi A., Venturini R., Zanetti N.
Il documento è inquadrato nell'Obiettivo Operativo 2 del Progetto VISITO Tuscany, nel quale viene elaborata la progettazione dell'intero sistema. In particolare in questo documento verrà descritta l'architettura del sistema sulla base del Reference Model for Open Distributed Processing (RM-ODP) che prevede cinque viste: enterprise, information, computational, engineering e technology.Source: Project report, VISITO Tuscany, 2011
See at: CNR ExploRA
2012
Other
Unknown
Assets
Meghini C., Galesi G., Nardi A., Perego R., Nicola Tonellotto N., Lucchese C., Lombardi S.
Contract No 250527. ASSETS aims to improve the usability of the Europeana Digital Library platform by designing, implementing and deploying large-scale, scalable services for search and browsing. These services include: efficient storing and indexing, searching based on metadata and on content similarity; advanced ranking algorithms; browsing through semantic cross-links; semi-automatic ingestion of metadata requiring normalization, cleaning, knowledge extraction and mapping to a common structure.Project(s): ASSETS
Meghini C., Galesi G., Nardi A., Perego R., Nicola Tonellotto N., Lucchese C., Lombardi S.
Contract No 250527. ASSETS aims to improve the usability of the Europeana Digital Library platform by designing, implementing and deploying large-scale, scalable services for search and browsing. These services include: efficient storing and indexing, searching based on metadata and on content similarity; advanced ranking algorithms; browsing through semantic cross-links; semi-automatic ingestion of metadata requiring normalization, cleaning, knowledge extraction and mapping to a common structure.Project(s): ASSETS
See at: CNR ExploRA
2011
Report
Unknown
A1.1.1 Lo stato dell'arte: tecnologia ed utenti
Falchi Fabrizio, Ippolito Valentina, Loschiavo Domenico, Lucchese Claudio, Lungarotti Francesca, Melani, Alessio, Minelli, Sam, Pialli Saverio, Rossi Silvia, Salvadori Sauro, Scartoni Rita, Scopigno Roberto, Tavanti Francesca, La Torre Francesco, Venturini Rossano
This document reports the state of the art related to the technologies of interest of the VISITO Tuscany projectSource: Project report, VISITO Tuscany, 2011
Falchi Fabrizio, Ippolito Valentina, Loschiavo Domenico, Lucchese Claudio, Lungarotti Francesca, Melani, Alessio, Minelli, Sam, Pialli Saverio, Rossi Silvia, Salvadori Sauro, Scartoni Rita, Scopigno Roberto, Tavanti Francesca, La Torre Francesco, Venturini Rossano
This document reports the state of the art related to the technologies of interest of the VISITO Tuscany projectSource: Project report, VISITO Tuscany, 2011
See at: CNR ExploRA
2005
Conference article
Unknown
Pushing tougher constraints in frequent pattern mining
Bonchi F., Lucchese C.
In this paper we extend the state-of-art of the constraints that can be pushed in a frequent pattern computation. We introduce a new class of tough constraints, namely Loose Anti-monotone constraints, and we deeply characterize them by showing that they are a superclass of convertible anti-monotone constraints (e.g. constraints on average or median) and that they model tougher constraints (e.g. constraints on variance or standard deviation). Then we show how these constraints can be exploited in a level-wise Apriori-like computation by means of a new data-reduction technique: the resulting algorithm outperforms previous proposals for convertible constraints, and it is to treat much tougher constraints with the same effectiveness of easier ones.Source: Advances in Knowledge Discovery and Data Mining, Pacific-Asia, pp. 114–124, Hanoi, Vietnam, 18-20 May 2005
Bonchi F., Lucchese C.
In this paper we extend the state-of-art of the constraints that can be pushed in a frequent pattern computation. We introduce a new class of tough constraints, namely Loose Anti-monotone constraints, and we deeply characterize them by showing that they are a superclass of convertible anti-monotone constraints (e.g. constraints on average or median) and that they model tougher constraints (e.g. constraints on variance or standard deviation). Then we show how these constraints can be exploited in a level-wise Apriori-like computation by means of a new data-reduction technique: the resulting algorithm outperforms previous proposals for convertible constraints, and it is to treat much tougher constraints with the same effectiveness of easier ones.Source: Advances in Knowledge Discovery and Data Mining, Pacific-Asia, pp. 114–124, Hanoi, Vietnam, 18-20 May 2005
See at: CNR ExploRA
2006
Journal article
Unknown
On condensed representations of constrained frequent patterns
Bonchi F., Lucchese C.
Constrained frequent patterns and closed frequent patterns are two paradigms aimed at reducing the set of extracted patterns to a smaller, more interesting, subset. Although a lot of work has been done with both these paradigms, there is still confusion around the mining problem obtained by joining closed and constrained frequent patterns in a unique framework. In this paper we shed light on this problem by providing a formal definition and a thorough characterization. We also study computational issues and show how to combine the most recent results in both paradigms, providing a very efficient algorithm which exploits the two requirements (satisfying constraints and being closed) together at mining time in order to reduce the computation as much as possible.Source: Knowledge and Information Systems 9 (2006): 180–201.
Bonchi F., Lucchese C.
Constrained frequent patterns and closed frequent patterns are two paradigms aimed at reducing the set of extracted patterns to a smaller, more interesting, subset. Although a lot of work has been done with both these paradigms, there is still confusion around the mining problem obtained by joining closed and constrained frequent patterns in a unique framework. In this paper we shed light on this problem by providing a formal definition and a thorough characterization. We also study computational issues and show how to combine the most recent results in both paradigms, providing a very efficient algorithm which exploits the two requirements (satisfying constraints and being closed) together at mining time in order to reduce the computation as much as possible.Source: Knowledge and Information Systems 9 (2006): 180–201.
See at: CNR ExploRA
2004
Conference article
Restricted
On closed constrained frequent pattern mining
Bonchi F., Lucchese C.
Constrained frequent patterns and closed frequent patterns are two paradigms aimed at reducing the set of extracted patterns to a smaller, more interesting, subset. Although a lot of work has been done with both these paradigms, there is still confusion around the mining problem obtained by joining closed and constrained frequent patterns in a unique framework. In this paper we shed light on this problem by providing a formal definition and a thorough characterization. Wealso study computational issues and show how to combine the most recent results in both paradigms, providing a very efficient algorithm which exploits the two requirements (satisfying constraints and being closed) together at mining time in order to reduce the computation as much as possible.Source: ICDM'04 - Fourth IEEE International Conference on Data Mining, pp. 35–42, Brighton, UK, 1-4 November 2004
Bonchi F., Lucchese C.
Constrained frequent patterns and closed frequent patterns are two paradigms aimed at reducing the set of extracted patterns to a smaller, more interesting, subset. Although a lot of work has been done with both these paradigms, there is still confusion around the mining problem obtained by joining closed and constrained frequent patterns in a unique framework. In this paper we shed light on this problem by providing a formal definition and a thorough characterization. Wealso study computational issues and show how to combine the most recent results in both paradigms, providing a very efficient algorithm which exploits the two requirements (satisfying constraints and being closed) together at mining time in order to reduce the computation as much as possible.Source: ICDM'04 - Fourth IEEE International Conference on Data Mining, pp. 35–42, Brighton, UK, 1-4 November 2004
See at:
csdl.computer.org | CNR ExploRA