Valter Crescenzi

Contatti

Email

valter.crescenzi@uniroma3.it

Indirizzo

Via della Vasca Navale, 79 – 00146 Roma

Stanza

1.11

Telefono

06 5733 3535

Ricevimento

Su appuntamento, da concordare via email. Durante i corsi c'è anche un orario settimanale, comunicato all'inizio delle lezioni.

Didattica

Anno accademico 2026/2027. Il materiale dei corsi, gli avvisi e le informazioni sugli esami si trovano sulle pagine Moodle dei corsi.

• Sistemi Operativi e Virtualizzazione Laurea triennale, III anno, I semestre – con il prof. Stefano Iannucci
• Programmazione Orientata agli Oggetti Laurea triennale in Ingegneria Informatica e dell'Intelligenza Artificiale, II semestre
• Architettura dei Sistemi Software Nel 2026/2027 il corso non viene erogato: si svolgono solo gli esami

In passato ho tenuto anche i corsi di Programmazione Concorrente, Elementi di Informatica e Sistemi Operativi.

Tesi

Chi è interessato a una tesi può scrivermi per un appuntamento. Le proposte riguardano in genere lo sviluppo di software e richiedono interesse per la scrittura di codice. Sono possibili anche tesi presso aziende.

Le proposte attuali sono descritte nella pagina Proposte di tesi:

• Estrazione di dati dal Web: lo Smallest Extraction Problem (magistrale)
• Selezione dei seed per il crawling su larga scala (magistrale)
• Estrazione di dati dalle immagini delle pagine con modelli multimodali (magistrale)
• Il sistema per gli esami al calcolatore di POO (triennale)

Ricerca

Mi occupo di basi di dati e Web. Il filo conduttore del mio lavoro è trasformare in dati strutturati le informazioni che i siti Web pubblicano per essere lette da persone. Molti siti generano le loro pagine inserendo in un template HTML i dati di un database: ricostruire automaticamente quel template permette di estrarre i dati da migliaia di pagine, senza scrivere a mano un programma di estrazione (wrapper) per ogni sito.

Su questo tema ho cominciato, nel progetto Araneus, con un linguaggio per scrivere a mano i wrapper, per poi passare all'inferenza automatica di wrapper con metodi basati sulle grammatiche, da RoadRunner fino allo Smallest Extraction Problem. Mi sono occupato anche di estrazione e integrazione di dati su larga scala, sfruttando la ridondanza delle informazioni pubblicate da sorgenti diverse (WEIR) e il contributo del crowdsourcing (ALF); di modelli probabilistici per valutare la qualità dei dati estratti e l'accuratezza delle sorgenti (Flint); di entity linkage su larga scala.

Diverse idee nate da questa ricerca hanno trovato applicazione industriale. Dal 2017 collaboro con Meltwater, multinazionale della media intelligence: i metodi per generare e mantenere automaticamente i wrapper, studiati nella mia ricerca, hanno contribuito alla progettazione dei sistemi con cui l'azienda estrae dati da centinaia di migliaia di siti di notizie. Il confronto con dati e vincoli reali ha orientato anche la ricerca più recente, come URLBank.

Oggi mi interessano in particolare la manutenzione dei wrapper quando i siti cambiano, il crawling su larga scala per scoprire presto i nuovi contenuti, e l'uso degli LLM e dei modelli multimodali accanto ai metodi strutturali. Da questi temi nascono anche le proposte di tesi.

Pubblicazioni e profili: DBLP · Google Scholar · ORCID · Pagina sul sito del Dipartimento