Archivio Istituzionale della RicercaQuesto repository contiene l'implementazione di un modello di Intelligenza Artificiale basato su Variational Autoencoder (VAE) progettato per l'analisi semantica e la clusterizzazione di dataset testuali. Il progetto esplora la capacità di un'architettura generativa di far emergere strutture logiche (cluster) partendo da un embedding semplificato, misurando la "purezza" della classificazione attraverso il calcolo dei baricentri nello spazio latente.
VAE-Semantic-Mapping: Analisi Latente e Clusterizzazione Spontanea di Corpus Testuali tramite Variational Autoencoders / Sparavigna, Amelia Carolina. - ELETTRONICO. - (2026). [10.5281/zenodo.18771533]
VAE-Semantic-Mapping: Analisi Latente e Clusterizzazione Spontanea di Corpus Testuali tramite Variational Autoencoders
Amelia Carolina Sparavigna
2026
Abstract
Questo repository contiene l'implementazione di un modello di Intelligenza Artificiale basato su Variational Autoencoder (VAE) progettato per l'analisi semantica e la clusterizzazione di dataset testuali. Il progetto esplora la capacità di un'architettura generativa di far emergere strutture logiche (cluster) partendo da un embedding semplificato, misurando la "purezza" della classificazione attraverso il calcolo dei baricentri nello spazio latente.
| File | Dimensione | Formato | |
|---|---|---|---|
|
vae-parole.pdf
accesso aperto
Tipologia:
1. Preprint / submitted version [pre- review]
Licenza:
Creative commons
Dimensione
979.74 kB
Formato
Adobe PDF
|
979.74 kB | Adobe PDF | Visualizza/Apri |
Pubblicazioni consigliate
I documenti in IRIS sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.
https://hdl.handle.net/11583/3008002