PAGANELLI MATTEO

Entity Matching e integrazione dati - Sviluppo di tecniche di Machine Learning e Deep Learning per automatizzare l’Entity Matching e l’integrazione dei dati, con attenzione alla robustezza in scenari caratterizzati da scarsità informativa e dati rumorosi. La ricerca include approcci basati principalmente su modelli di deep learning e metodi di spiegabilità per garantire trasparenza e fiducia nei risultati.

LLM per Dati Testuali e Tabellari - Studio dell’impiego di Large Language Models per l’analisi integrata di dati testuali e tabellari, con focus su question-answering tabellare (sia singola che molteplici tabelle) applicati a report complessi (in particolare non finanziari). Le applicazioni riguardano estrazione di informazioni, fact-checking e rilevazione di green-washing, supportate da benchmark specifici.

Spiegabilità e Controfattuali - Ricerca di tecniche di interpretabilità dei modelli, incluse spiegazioni controfattuali, per migliorare la comprensione delle decisioni automatiche e favorire l’uso responsabile di sistemi di AI in scenari complessi e sensibili.