1. ALGORITMI BIOINFORMATICI PER LA
CLASSIFICAZIONE SINTATTICA DELLE
LINGUE
Relatore: Prof. Andrea Sgarro
Correlatore: Prof. Alberto Casagrande
Candidato: Devis Meka
1/13

2. PROBLEMA: CLASSIFICAZIONE DELLE LINGUE
INDO-EUROPEE CONTEMPORANEE USANDO
GLI ALGORITMI BIOINFORMATICI.
Vari studi linguistici per fare una
classificazione delle lingue basandosi sui
parametri sintattici, usando gli algoritmi
bioinformatici.
Confronto tra i metodi basati sui caratteri e i
metodi basati sulle distanze, ricostruendo
alberi filogenetici.
Confronto tra le distanze di Hamming e le
distanze fuzzy di Hamming come misure di
divergenza tra le lingue.
2/13

3. ALGORITMI BIOINFORMATICI
1) Metodi basati sui caratteri:
 Prendono in input una matrice di caratteri discreti.
 Massima Parsimonia
 Algoritmo di Hendy e Penny
 Compatibilità
 Massima Verosimiglianza
2)Metodi basati sulle distanze
 Prendono in input una matrice con le distanze tra
tutte le coppie delle entità.
 Neighbor-Joining (NJ)
 Unweighted Pair Group Method with Arithmetic
Mean (UPGMA)
3/13

4. MASSIMA PARSIMONIA
4/13
Problemi:
Le lingue
Germaniche
vengono fuse con
le lingue Celtiche.
I dialetti Italiani
vengono
raggruppati
insieme ai dialetti
Greci ed il Greco.
Possibili cause:
Condivisone di
un certo numero
di parametri
sintattici.
Il numero dei
parametri abili a
distinguere i
sottogruppi è
ridotto.

5. MASSIMA PARSIMONIA
ALGORITMO DI HENDY-PENNY
5/13
Problemi:
La
classificazione
del Rumeno con
i dialetti Greci ed
il Greco.
Possibile cause:
Il Rumeno è la
lingua più
esterna al
sottogruppo
delle lingue
Latine.
Condivide un
grande numero
di parametri con
i dialetti Greci.

6. METODO DI MASSIMA
VEROSIMIGLIANZA
6/13
Problemi:
Le lingue
Germaniche
vengono mischiate
con le lingue
Celtiche.
In questo gruppo
viene aggiunta
anche la lingua
Farsi.
Possibili cause:
Le lingue
Germaniche
condividono un
certo numero di
parametri con
quelle Celtiche.
L’attrazione dei
rami lunghi.

7. UPGMA SULLE DISTANZE DI AMMINA
7/13
UPGMA dà i
risultati più
soddisfacenti.
Assume che
il tasso di
evoluzione tra
tutte le lingue
sia uguale o
quasi.
Ricostruisce
un albero
binario e con
radice.

8. NJ SULLE DISTANZE DI HAMMING
8/13
Problemi:
Le lingue
Germaniche
vengono
raggruppate
con le lingue
Celtiche.
La posizione
errata del
Bulgaro.
Possibili cause:
NJ non fa una
classificazione
accurata
quando il tasso
di evoluzione è
uguale.

9. UPGMA SULLE DISTANZE FUZZY DI HAMMING
9/13
Problemi:
Il Bulgaro e
viene
raggruppato
con le lingue
Germaniche.
Possibili
cause:
La distanza
fuzzy di
Hamming
avvicina il
Bulgaro con le
lingue
Germaniche.

10. NJ SULLE DISTANZE FUZZY DI
HAMMING
10/13
Problemi:
La
classificazione
errata del
Bulgaro.
La fusione
dei dialetti
Greci con le
lingue Latine.
Possibili cause:
L’attrazione
tra il Rumeno
ed il Bulgaro e
la posizione
esterna del
Bulgaro.

11. CONFRONTO TRA NJ E UPGMA
11/13
NJ non usa direttamente la matrice delle distanze ma ne
ricostruisce un’altra.
UPGMA unisce al primo passo il Rumeno con le lingue
Latine, mentre NJ unisce il Rumeno con i dialetti Greci.

12. CONCLUSIONI
 I metodi basati sulle distanze si comportano meglio
dei metodi basati sui caratteri, quando si vuole fare
una classificazione basata sui parametri sintattici.
 Le distanze fuzzy di Hamming non rappresentano
correttamente le vere distanze tra le lingue.
 L’algoritmo UPGMA fa una ricostruzione più
accurata rispetto al NJ.
12/13

13. Grazie per
l’attenzione…
13/13