/** * Functions and filters related to the menus. * * Makes the default WordPress navigation use an HTML structure similar * to the Navigation block. * * @link https://make.wordpress.org/themes/2020/07/06/printing-navigation-block-html-from-a-legacy-menu-in-themes/ * * @package WordPress * @subpackage Twenty_Twenty_One * @since Twenty Twenty-One 1.0 */ /** * Add a button to top-level menu items that has sub-menus. * An icon is added using CSS depending on the value of aria-expanded. * * @since Twenty Twenty-One 1.0 * * @param string $output Nav menu item start element. * @param object $item Nav menu item. * @param int $depth Depth. * @param object $args Nav menu args. * @return string Nav menu item start element. */ function twenty_twenty_one_add_sub_menu_toggle( $output, $item, $depth, $args ) { if ( 0 === $depth && in_array( 'menu-item-has-children', $item->classes, true ) ) { // Add toggle button. $output .= ''; } return $output; } add_filter( 'walker_nav_menu_start_el', 'twenty_twenty_one_add_sub_menu_toggle', 10, 4 ); /** * Detects the social network from a URL and returns the SVG code for its icon. * * @since Twenty Twenty-One 1.0 * * @param string $uri Social link. * @param int $size The icon size in pixels. * @return string */ function twenty_twenty_one_get_social_link_svg( $uri, $size = 24 ) { return Twenty_Twenty_One_SVG_Icons::get_social_link_svg( $uri, $size ); } /** * Displays SVG icons in the footer navigation. * * @since Twenty Twenty-One 1.0 * * @param string $item_output The menu item's starting HTML output. * @param WP_Post $item Menu item data object. * @param int $depth Depth of the menu. Used for padding. * @param stdClass $args An object of wp_nav_menu() arguments. * @return string The menu item output with social icon. */ function twenty_twenty_one_nav_menu_social_icons( $item_output, $item, $depth, $args ) { // Change SVG icon inside social links menu if there is supported URL. if ( 'footer' === $args->theme_location ) { $svg = twenty_twenty_one_get_social_link_svg( $item->url, 24 ); if ( ! empty( $svg ) ) { $item_output = str_replace( $args->link_before, $svg, $item_output ); } } return $item_output; } add_filter( 'walker_nav_menu_start_el', 'twenty_twenty_one_nav_menu_social_icons', 10, 4 ); /** * Filters the arguments for a single nav menu item. * * @since Twenty Twenty-One 1.0 * * @param stdClass $args An object of wp_nav_menu() arguments. * @param WP_Post $item Menu item data object. * @param int $depth Depth of menu item. Used for padding. * @return stdClass */ function twenty_twenty_one_add_menu_description_args( $args, $item, $depth ) { if ( '' !== $args->link_after ) { $args->link_after = ''; } if ( 0 === $depth && isset( $item->description ) && $item->description ) { // The extra element is here for styling purposes: Allows the description to not be underlined on hover. $args->link_after = '

' . $item->description . '

'; } return $args; } add_filter( 'nav_menu_item_args', 'twenty_twenty_one_add_menu_description_args', 10, 3 );namespace Elementor; if ( ! defined( 'ABSPATH' ) ) { exit; // Exit if accessed directly. } /** * Elementor skin base. * * An abstract class to register new skins for Elementor widgets. Skins allows * you to add new templates, set custom controls and more. * * To register new skins for your widget use the `add_skin()` method inside the * widget's `register_skins()` method. * * @since 1.0.0 * @abstract */ abstract class Skin_Base extends Sub_Controls_Stack { /** * Parent widget. * * Holds the parent widget of the skin. Default value is null, no parent widget. * * @access protected * * @var Widget_Base|null */ protected $parent = null; /** * Skin base constructor. * * Initializing the skin base class by setting parent widget and registering * controls actions. * * @since 1.0.0 * @access public * @param Widget_Base $parent */ public function __construct( Widget_Base $parent ) { parent::__construct( $parent ); $this->_register_controls_actions(); } /** * Render skin. * * Generates the final HTML on the frontend. * * @since 1.0.0 * @access public * @abstract */ abstract public function render(); /** * Render element in static mode. * * If not inherent will call the base render. */ public function render_static() { $this->render(); } /** * Determine the render logic. */ public function render_by_mode() { if ( Plugin::$instance->frontend->is_static_render_mode() ) { $this->render_static(); return; } $this->render(); } /** * Register skin controls actions. * * Run on init and used to register new skins to be injected to the widget. * This method is used to register new actions that specify the location of * the skin in the widget. * * Example usage: * `add_action( 'elementor/element/{widget_id}/{section_id}/before_section_end', [ $this, 'register_controls' ] );` * * @since 1.0.0 * @access protected */ protected function _register_controls_actions() {} /** * Get skin control ID. * * Retrieve the skin control ID. Note that skin controls have special prefix * to distinguish them from regular controls, and from controls in other * skins. * * @since 1.0.0 * @access protected * * @param string $control_base_id Control base ID. * * @return string Control ID. */ protected function get_control_id( $control_base_id ) { $skin_id = str_replace( '-', '_', $this->get_id() ); return $skin_id . '_' . $control_base_id; } /** * Get skin settings. * * Retrieve all the skin settings or, when requested, a specific setting. * * @since 1.0.0 * @TODO: rename to get_setting() and create backward compatibility. * * @access public * * @param string $control_base_id Control base ID. * * @return mixed */ public function get_instance_value( $control_base_id ) { $control_id = $this->get_control_id( $control_base_id ); return $this->parent->get_settings( $control_id ); } /** * Start skin controls section. * * Used to add a new section of controls to the skin. * * @since 1.3.0 * @access public * * @param string $id Section ID. * @param array $args Section arguments. */ public function start_controls_section( $id, $args = [] ) { $args['condition']['_skin'] = $this->get_id(); parent::start_controls_section( $id, $args ); } /** * Add new skin control. * * Register a single control to the allow the user to set/update skin data. * * @param string $id Control ID. * @param array $args Control arguments. * @param array $options * * @return bool True if skin added, False otherwise. * @since 3.0.0 New `$options` parameter added. * @access public * */ public function add_control( $id, $args = [], $options = [] ) { $args['condition']['_skin'] = $this->get_id(); return parent::add_control( $id, $args, $options ); } /** * Update skin control. * * Change the value of an existing skin control. * * @since 1.3.0 * @since 1.8.1 New `$options` parameter added. * * @access public * * @param string $id Control ID. * @param array $args Control arguments. Only the new fields you want to update. * @param array $options Optional. Some additional options. */ public function update_control( $id, $args, array $options = [] ) { $args['condition']['_skin'] = $this->get_id(); parent::update_control( $id, $args, $options ); } /** * Add new responsive skin control. * * Register a set of controls to allow editing based on user screen size. * * @param string $id Responsive control ID. * @param array $args Responsive control arguments. * @param array $options * * @since 1.0.5 * @access public * */ public function add_responsive_control( $id, $args, $options = [] ) { $args['condition']['_skin'] = $this->get_id(); parent::add_responsive_control( $id, $args ); } /** * Start skin controls tab. * * Used to add a new tab inside a group of tabs. * * @since 1.5.0 * @access public * * @param string $id Control ID. * @param array $args Control arguments. */ public function start_controls_tab( $id, $args ) { $args['condition']['_skin'] = $this->get_id(); parent::start_controls_tab( $id, $args ); } /** * Start skin controls tabs. * * Used to add a new set of tabs inside a section. * * @since 1.5.0 * @access public * * @param string $id Control ID. */ public function start_controls_tabs( $id ) { $args['condition']['_skin'] = $this->get_id(); parent::start_controls_tabs( $id ); } /** * Add new group control. * * Register a set of related controls grouped together as a single unified * control. * * @param string $group_name Group control name. * @param array $args Group control arguments. Default is an empty array. * @param array $options * * @since 1.0.0 * @access public * */ final public function add_group_control( $group_name, $args = [], $options = [] ) { $args['condition']['_skin'] = $this->get_id(); parent::add_group_control( $group_name, $args ); } /** * Set parent widget. * * Used to define the parent widget of the skin. * * @since 1.0.0 * @access public * * @param Widget_Base $parent Parent widget. */ public function set_parent( $parent ) { $this->parent = $parent; } } Implementare un Feedback Loop Automatizzato di Precisione per l’Ottimizzazione di Testi in Lingua Italiana con Modelli LLM Locali – Jobe Drones
/** * Displays the site header. * * @package WordPress * @subpackage Twenty_Twenty_One * @since Twenty Twenty-One 1.0 */ $wrapper_classes = 'site-header'; $wrapper_classes .= has_custom_logo() ? ' has-logo' : ''; $wrapper_classes .= ( true === get_theme_mod( 'display_title_and_tagline', true ) ) ? ' has-title-and-tagline' : ''; $wrapper_classes .= has_nav_menu( 'primary' ) ? ' has-menu' : ''; ?>

Jobe Drones

Filmagens e Fotos Aéreas

Implementare un Feedback Loop Automatizzato di Precisione per l’Ottimizzazione di Testi in Lingua Italiana con Modelli LLM Locali

Introduzione: Il Boundary Critico tra Automazione e Qualità Linguistica in NLP Italiano

“Un modello LLM, per quanto avanzato, non è mai neutro: il feedback loop automatizzato rappresenta il sistema di controllo umano in silico che trasforma output tecnici in conoscenza linguistica affidabile — un passaggio cruciale per garantire che l’ottimizzazione automatica non sacrifici la naturalezza, la coercenza pragmatica o la rilevanza culturale del testo italiano.”

Diagramma del feedback loop automatizzato per testi in lingua italiana

“Il loop non è solo una pipeline tecnica, ma un processo vitale di validazione linguistica che condensa sapere NLP, competenza umana e contesto culturale italiano.”

Fondamenti del Feedback Loop Automatizzato per Testi in Lingua Italiana

Il feedback loop automatizzato per testi in lingua italiana si configura come un ciclo iterativo strutturato in cinque fasi chiave: acquisizione del testo, generazione multipla con prompt strategici, valutazione ibrida automatica, selezione e prioritizzazione dei risultati, e reintegrazione incrementale con aggiornamento del modello. A differenza di approcci generici, il contesto italiano richiede particolare attenzione a morphosintassi, lessico regionale, ambiguità semantica e pragmatica, oltre alla necessità di evitare bias culturali. La qualità del loop dipende dalla sinergia tra pipeline tecniche e intervento umano mirato.

  1. Fase 1: Pre-elaborazione del testo italiano
    La qualità del output dipende direttamente dalla pulizia del testo sorgente. Processi essenziali includono:
    • Pulizia OCR: correzione di caratteri distorti, normalizzazione spaziature e rimozione di caratteri di controllo tramite librerie come python-ocr con post-processing.
    • Tokenizzazione morfologica: uso di spaCy-italiano o stanza-italiano per segmentare parole e identificare forme flessive, derivazioni e clitici.
    • Normalizzazione lessicale: rimozione di stopword linguistiche specifiche (es. “che”, “di”, “il”) con set personalizzato, inclusione di varianti dialettali regionali se rilevante, e conversione di termini colloquiali in standardizzazione formale.
    • Eliminazione di rumore: rimozione di caratteri speciali non linguistici, ripetizioni di parole, frasi incompiute, e normalizzazione delle maiuscole/minuscole in base al registro.

    Esempio pratico:
    Testo sorgente: “L’operazione è stata fatta bene, ma il documento finale presenta alcuni errori di concordanza e ripetizioni.”
    → Pós-elaborazione: “L’operazione è stata eseguita correttamente, tuttavia il documento finale presenta errori di concordanza e ripetizioni ridondanti.”

    *Errore frequente*: ignorare la tokenizzazione morfologica porta a una scarsa gestione della flessione verbale e aggettivale, influenzando negativamente la coerenza stilistica e grammaticale del testo generato.

    Integrazione di Modelli LLM Locali con Adattamento Fine-tuning Ottimizzato

    I modelli LLM locali — come LLaMA-IT, BERT-Italiano o Falcon-Italiano — rappresentano la spina dorsale del loop automatizzato, ma richiedono adattamento per il dominio linguistico italiano. Il fine-tuning selettivo garantisce maggiore rilevanza tematica e naturalezza linguistica.

    Selezione del modello
    Preferire modelli addestrati su corpus bilanciati in italiano formale e colloquiale, con copertura di settori chiave (legale, tecnico, medico, amministrativo). Verificare metriche di prestazione su benchmark come IT-COLE per valutare coerenza e accuratezza terminologica.
    Adattamento mediante fine-tuning
    Utilizzare LoRA per personalizzare il modello con dataset di circa 50.000 frasi etichettate, focalizzate su ambiti specifici (es. normative regionali, terminologia sanitaria). Il processo include:
    • Preparazione set di dati con annotazioni grammaticale e semantica.
    • Fine-tuning su pipeline REST con HuggingFace Transformers e FastAPI per integrazione in pipeline reale.
    • Validazione tramite confronto con reference corpora (es. Corpus Italiano Storico) per evitare deviazioni stilistiche.

    Attenzione: overfitting è frequente con dataset piccoli — implementare regolarizzazione L2 e controllo cross-validation per garantire generalizzazione.

    Fasi Operative Dettagliate del Loop di Ottimizzazione

    1. Fase 1: Acquisizione e pre-elaborazione
      – OCR e pulizia: usare pytesseract con filtri avanzati per documenti scansionati.
      – Tokenizzazione e normalizzazione: stanza-italiano con pipeline tokenize + pos_tag + lemmatize.
      – Rimozione di stopword e ripetizioni: nltk.corpus.stopwords + collections.Counter.
      – Gestione varianti ortografiche dialettali con dizionari personalizzati.
    2. Fase 2: Generazione multipla con prompt strategici
      Generare 5-10 varianti testuali usando prompt diversificati:
      • “Riscrivi il testo in stile formale ma accessibile per utenti non tecnici”
      • “Correggi grammatica, sintassi e terminologia specialistica con attenzione alla coerenza terminologica”
      • “Adatta il registro linguistico al pubblico regionale: es. linguaggio lombardo vs romano in testi pubblici”

      Impostazione tecnica: usare prompt con context anchoring per mantenere coerenza tematica e temperature=0.7 per equilibrio tra creatività e precisione.

    3. Fase 3: Valutazione automatica ibrida
      Combinare 4 metriche per bilanciare automazione e qualità linguistica:
      Metrica Formula / Descrizione Obiettivo
      BLEU % di n-grammi sovrapposti con reference umane Coerenza testuale di base
      Rouge Precisione recall sui tratti ritenuti (n-1, n) Fluidità e completezza
      METEOR Correzione sem

Leave a comment

Your email address will not be published. Required fields are marked *

/** * The template for displaying the footer * * Contains the closing of the #content div and all content after. * * @link https://developer.wordpress.org/themes/basics/template-files/#template-partials * * @package WordPress * @subpackage Twenty_Twenty_One * @since Twenty Twenty-One 1.0 */ ?>