it gb
it gb

L. Ardissono - Recommender systems e supporto personalizzato alla ricerca di informazioni - tra algoritmi e metodi di visualizzazione

Autori: L. Ardissono (relatrice), G. Petrone, M. Lucenteforte, M. Segnan, N. Mauro

La ricerca su recommender systems si concentra sullo sviluppo di algoritmi per la personalizzazione del suggerimento di “oggetti” in base alle specifiche esigenze e/o

preferenze dell’utente. Le declinazioni di “oggetto” sono state molteplici e i recommender systems sono stati applicati sia nell’ambito del suggerimento personalizzato di prodotti e servizi che nell’ambito del supporto alla ricerca di informazioni, interpretando l’insieme di risorse digitali presenti nel web, o in repository più contenuti, come un grande catalogo di “item” tra cui scegliere quelli più utili alle proprie esigenze. Gli autori di questo abstract collaborano allo sviluppo di modelli di suggerimento che facilitino l’esplorazione di grandi moli di dati focalizzandosi su due temi principali: Come migliorare la capacità di suggerimento del recommender, tenendo conto che gli item che l’utente cerca potrebbero essere caratterizzati da attributi di diversa natura, potrebbero appartenere a diverse categorie, e quindi i criteri per scegliere le soluzioni da proporre devono tenere in conto aspetti diversi degli oggetti da suggerire? Per esempio, se si cercano informazioni sugli hotel, sono di interesse molteplici caratteristiche, da quelle standard come il costo e la presenza della rete WI-FI o il posto auto, a elementi più specifici come il tipo di facilities offerto e i servizi disponibili nell’intorno dell’hotel.

1. Una volta trovato un insieme di oggetti che si suppone siano di interesse per l’utente, come presentarli, in modo che l’utente possa esplorare le soluzioni proposte in modo critico e fare le sue scelte in modo informato, possibilmente senza essere esposto a rappresentazioni grafiche particolarmente complesse e di difficile apprendimento?

Per rispondere a queste domande sono stati ideati, rispettivamente:

1. Un modello di suggerimento basato su una rappresentazione sfaccettata degli item e sull’acquisizione di modelli di utente che descrivano preferenze/interessi/priorità individuali verso gli attributi degli item stessi. Questo modello, in evoluzione, è stato inizialmente testato su un dataset di valutazioni di businesses (ristoranti etc.) fornito da Yelp¹; inoltre, è attualmente in corso una sperimentazione su un 1 dataset di Airbnb.

2. Un modello interattivo di visualizzazione, sviluppato specificatamente per la presentazione di dati su mappa geografica, che permetta all’utente di alterare

dinamicamente la visualizzazione dei risultati della ricerca per dare priorità agli elementi in base alle loro caratteristiche. Questo modello, anch’esso in evoluzione, è

stato sperimentato in una forma preliminare sulle mappe geografiche generate dal sistema OnToMap, che supporta la condivisione e ricerca di dati geografici.²


1 L. Ardissono, M. Ferrero, G. Petrone and M. Segnan. Enhancing Collaborative Filtering with Friendship Information , Proc. of UMAP 2017, Bratislava, Slovakia, pp. 353-354, ACM, 2017.

L. Ardissono, G. Petrone and F. Vigliaturo. News recommendation based on rich user feedback, Proc. of UMAP 2015, pp 331-336, Springer, 2015.

2 L. Ardissono, M. Delsanto, M. Lucenteforte, N. Mauro, A. Savoca, D. Scanu. Map-Based Visualization of 2D/3D Spatial Data via Stylization and Tuning of Information Emphasis , Proc. of AVI 2018, Castiglione della Pescaia, Italy, pp. 38:1-38:5, ACM 2018.