3 resultados para Hierarchies
em AMS Tesi di Dottorato - Alm@DL - Università di Bologna
Resumo:
La finalità della tesi è stata quella d'improntare una riflessione sulle società legate all'edilizia nel momento di apice politico ed economico di una città, attiva e importante nel basso Medioevo, come Bologna. Questo tipo di studio, già intrapreso per alcune città dell'Italia centro settentrionale, risulta necessario per comprendere alcune dinamiche politiche, economiche e produttive della realtà cittadina. In particolare, gli obiettivi sono stati quelli di coniugare la vita corporativa dell'arte all'organizzazione lavorativa, individuando gli aspetti legati all'ambito produttivo e valutando, l'evoluzione della società nel passaggio dal Duecento al Trecento. Gli statuti e le matricole, principali fonti compilate dalle due società delle arti e giunte ai nostri giorni, salvo rare eccezioni, completamente inedite sono stati il principale punto di partenza dello studio. Il risultato è la sintesi di alcuni spunti di riflessione emersi dai documenti, quali la mentalità degli uomini che si approcciavano alle arti, le gerarchie nate all'interno delle stesse società, il loro cambiamento e quello legato alla percezione di comunità nel corso dei secoli oltre agli aspetti più prettamente lavorativi e artigianali.
Resumo:
La tesi è una ricerca di storia politica che affianca due diverse “storie” di centro-sinistra, quella nazionale e quella che vide protagonista la Democrazia Cristiana del Trentino. Lo studio analizza i fatti attraverso il filtro delle DC come se quello trentino e quello nazionale fossero due partiti, per poi tentare di capire ciò che accadeva alla loro sinistra alla ricerca dei diversi pesi e dei differenti equilibri che al centro e alla periferia si manifestavano nei rapporti con il PSI e con il PCI, e per osservare le reazioni della Chiesa così da valutare se le gerarchie romane e quelle trentine interagirono in modo differente sugli sviluppi delle rispettive esperienze politiche di quegli anni. Il testo è organizzato in quattro capitoli. Il primo e il secondo (speculari e dedicati allo stesso lustro: 1955-1960) rappresentano un confronto tra i differenti iter d’avvicinamento al centro-sinistra che la politica nazionale e quella trentina sperimentarono nella seconda metà degli anni Cinquanta. Nel terzo capitolo (1960-1964) e nel quarto (1964-1968) le vicende nazionali e quelle locali sono invece raccontate in modo intrecciato, ripercorrendo le diverse fasi dell’alleanza tra Democrazia Cristiana e Partito Socialista, e nel contempo dando conto della trasformazione del Trentino da una realtà di tipo agricolo ad una di tipo industriale, del passaggio da una comunità di tipo cattolico tradizionale ad una che si accinge a vivere in un contesto secolarizzato, e da una società che si autopercepisce come periferica ad una che ospita una delle contestazioni studentesche più peculiari, incisive e note d’Italia.
Resumo:
Information is nowadays a key resource: machine learning and data mining techniques have been developed to extract high-level information from great amounts of data. As most data comes in form of unstructured text in natural languages, research on text mining is currently very active and dealing with practical problems. Among these, text categorization deals with the automatic organization of large quantities of documents in priorly defined taxonomies of topic categories, possibly arranged in large hierarchies. In commonly proposed machine learning approaches, classifiers are automatically trained from pre-labeled documents: they can perform very accurate classification, but often require a consistent training set and notable computational effort. Methods for cross-domain text categorization have been proposed, allowing to leverage a set of labeled documents of one domain to classify those of another one. Most methods use advanced statistical techniques, usually involving tuning of parameters. A first contribution presented here is a method based on nearest centroid classification, where profiles of categories are generated from the known domain and then iteratively adapted to the unknown one. Despite being conceptually simple and having easily tuned parameters, this method achieves state-of-the-art accuracy in most benchmark datasets with fast running times. A second, deeper contribution involves the design of a domain-independent model to distinguish the degree and type of relatedness between arbitrary documents and topics, inferred from the different types of semantic relationships between respective representative words, identified by specific search algorithms. The application of this model is tested on both flat and hierarchical text categorization, where it potentially allows the efficient addition of new categories during classification. Results show that classification accuracy still requires improvements, but models generated from one domain are shown to be effectively able to be reused in a different one.