Ricerc@Sapienza

Ci muoviamo in un mondo sempre più veloce sopraffatti da notifiche, mail e pubblicità.
Se da un lato questa quantità di informazioni permette di rimanere sempre aggiornati dall'altro può causare disorientamento.
I sistemi di raccomandazione(RS) nascono con lo scopo di amministrare questa mole di dati aiutando l'utente a gestire il tempo e le scelte(dall'acquisto online, ai film da vedere).
I vantaggi sono visibili anche per il fornitore di RS che ha l'opportunità di osservare i comportamenti dell'utente e rimanere in linea con le sue mutevoli esigenze svolgendo ad esempio campagne pubblicitarie mirate che riducono i costi, aumentando i profitti.

Nonostante l'evidente necessità di RS, questi attualmente non forniscono un servizio del tutto affidabile, a causa dell'arduo compito di valutare la qualità di una raccomandazione e degli elevati costi computazionali.

In questo scenario il progetto proposto mira a sviluppare un RS in grado di rilevare gli interessi di qualsiasi utente in rete e in cui l'utente stesso sia lasciato libero di esplorarli.
Grazie all'osservazione nell'uso del sistema sarà possibile acquisire un insieme di conoscenze sul suo comportamento e sulla precisione delle raccomandazioni proposte.

In dettaglio il lavoro si propone di:
-sviluppare metodologie per l'estrazione di interessi basate sull'espressione esplicita dell'utente (ad esempio mediante messaggi nei social network)
-sviluppare e migliorare algoritmi e tecniche semantic-based che consentano di fare raccomandazioni su nuovi interessi a partire da quelli noti
-sviluppare un sistema che permetta all'utente di visualizzare le proprie preferenze, scoprirne di nuove, confrontare i propri interessi con quelli della comunità e fornire feedback sulla qualità dei suggerimenti

Con questo studio si vogliono apportare benefici allo stato dell'arte sia dal punto di vista algoritmico sia dal punto di vista sociologico e contribuire alla creazione di una banca dati da rendere disponibile alla comunità