Your SlideShare is downloading. ×
0
Presentazione Laurea - Cataldo
Presentazione Laurea - Cataldo
Presentazione Laurea - Cataldo
Presentazione Laurea - Cataldo
Presentazione Laurea - Cataldo
Presentazione Laurea - Cataldo
Presentazione Laurea - Cataldo
Presentazione Laurea - Cataldo
Presentazione Laurea - Cataldo
Presentazione Laurea - Cataldo
Presentazione Laurea - Cataldo
Presentazione Laurea - Cataldo
Presentazione Laurea - Cataldo
Presentazione Laurea - Cataldo
Presentazione Laurea - Cataldo
Presentazione Laurea - Cataldo
Upcoming SlideShare
Loading in...5
×

Thanks for flagging this SlideShare!

Oops! An error has occurred.

×
Saving this for later? Get the SlideShare app to save on your phone or tablet. Read anywhere, anytime – even offline.
Text the download link to your phone
Standard text messaging rates apply

Presentazione Laurea - Cataldo

2,614

Published on

Augmenting Content-Based Recommender Systems with Tags

Augmenting Content-Based Recommender Systems with Tags

Published in: Technology, Business
2 Comments
1 Like
Statistics
Notes
No Downloads
Views
Total Views
2,614
On Slideshare
0
From Embeds
0
Number of Embeds
7
Actions
Shares
0
Downloads
12
Comments
2
Likes
1
Embeds 0
No embeds

Report content
Flagged as inappropriate Flag as inappropriate
Flag as inappropriate

Select your reason for flagging this presentation as inappropriate.

Cancel
No notes for slide

Transcript

  • 1. Estensione di un modello di raccomandazione content-based mediante integrazione di folksonomie semantiche Relatore: Chiar.mo Prof. Giovanni Semeraro Laureando: dott. Marco de Gemmis Cataldo Musto dott. Pasquale Lops Università degli Studi di Bari – Facoltà di Scienze MM.FF.NN. Corso di Laurea Specialistica in Informatica – a.a 2006/2007
  • 2. Sommario <ul><li>Estensione di un sistema di raccomandazione </li></ul><ul><ul><li>Motivazioni </li></ul></ul><ul><li>Web 2.0 </li></ul><ul><ul><li>Folksonomie </li></ul></ul><ul><li>Implementazione del modello </li></ul><ul><ul><li>Estensione del modello di training </li></ul></ul><ul><ul><li>Integrazione delle folksonomie nei profili utente </li></ul></ul><ul><li>Sperimentazione </li></ul><ul><ul><li>Commenti e sviluppi futuri </li></ul></ul>2/16 Estensione di un modello di raccomandazione content-based mediante integrazione di folksonomie semantiche Corso di Laurea Specialistica in Informatica – 23 aprile 08 – Cataldo Musto
  • 3. Sistemi di raccomandazione <ul><li>Obiettivo </li></ul><ul><ul><li>Apprendere i gusti dell’utente in uno specifico dominio e suggerirgli altri “oggetti” cui potrebbe essere interessato </li></ul></ul><ul><li>ITR – Item Recommender </li></ul><ul><ul><li>Realizzato dall’Università di Bari </li></ul></ul><ul><ul><li>Approccio Content-Based </li></ul></ul><ul><ul><ul><li>Accuratezza predittiva soddisfacente </li></ul></ul></ul><ul><ul><ul><li>Eredita alcuni limiti dei modelli content-based </li></ul></ul></ul>3/16 Estensione di un modello di raccomandazione content-based mediante integrazione di folksonomie semantiche Corso di Laurea Specialistica in Informatica – 23 aprile 08 – Cataldo Musto
  • 4. Motivazioni <ul><li>Limiti </li></ul><ul><ul><li>In assenza di contenuto testuale, il sistema non può fornire raccomandazioni </li></ul></ul><ul><ul><li>Contenuto testuale di cattiva qualità può portare a un peggioramento dell’accuratezza predittiva </li></ul></ul><ul><ul><li>Raccomandazioni simili a contenuti precedentemente graditi dall’utente </li></ul></ul><ul><ul><ul><li>Bassa probabilità di ottenere raccomandazioni “sorprendenti” </li></ul></ul></ul><ul><li>Necessità di migliorare il modello originario del sistema di raccomandazione </li></ul><ul><ul><li>Eliminazione dei limiti del modello content-based </li></ul></ul><ul><ul><li>Integrazione di elementi di innovatività </li></ul></ul><ul><ul><ul><li>Ricerca di sovrapposizioni con l’area del Web 2.0 </li></ul></ul></ul>4/16 Estensione di un modello di raccomandazione content-based mediante integrazione di folksonomie semantiche Corso di Laurea Specialistica in Informatica – 23 aprile 08 – Cataldo Musto
  • 5. Annotazione dei contenuti della Rete <ul><li>Web 2.0 </li></ul><ul><ul><li>Sistemi di Tagging Collaborativo </li></ul></ul><ul><li>Concetto chiave: Tagging </li></ul><ul><ul><li>L’utente fruisce contenuti (foto, video, audio, testi, ecc.) </li></ul></ul><ul><ul><li>Associa a queste risorse delle parole chiave, dette tag </li></ul></ul><ul><ul><li>Tag </li></ul></ul><ul><ul><ul><li>Vocabolario libero </li></ul></ul></ul><ul><ul><ul><li>Informazione sul contenuto, sul contesto o percezione soggettiva </li></ul></ul></ul><ul><ul><li>La stessa risorsa può essere annotata da vari utenti </li></ul></ul><ul><ul><ul><li>Al crescere degli utenti, cresce anche il numero dei tag associati ad una risorsa </li></ul></ul></ul>5/16 Estensione di un modello di raccomandazione content-based mediante integrazione di folksonomie semantiche Corso di Laurea Specialistica in Informatica – 23 aprile 08 – Cataldo Musto
  • 6. Folksonomie (1) <ul><li>L’insieme dei tag associati ad una risorsa prende il nome di folksonomia </li></ul><ul><ul><li>La folksonomia è una struttura lessicale </li></ul></ul><ul><ul><li>Emerge dalle annotazioni collaborative degli utenti </li></ul></ul><ul><li>es) Immaginiamo come risorsa un brano musicale </li></ul>6/16 Estensione di un modello di raccomandazione content-based mediante integrazione di folksonomie semantiche Corso di Laurea Specialistica in Informatica – 23 aprile 08 – Cataldo Musto
  • 7. Folksonomie (2) <ul><li>Punti di forza </li></ul><ul><ul><li>Ci fornisce informazioni sul modello mentale degli utenti </li></ul></ul><ul><ul><ul><li>Cosa gli utenti “vedono” in ciò che fruiscono </li></ul></ul></ul><ul><ul><li>Associa una semantica ai contenuti della Rete </li></ul></ul><ul><ul><ul><li>Semantica collaborativa, non espressa formalmente </li></ul></ul></ul><ul><li>Una folksonomia ci permette di acquisire delle informazioni sul contenuto associato ad una risorsa </li></ul><ul><li>Riflessione </li></ul><ul><ul><li>La correlazione tra tag e contenuto associato ad una risorsa ci riporta alle motivazioni che avevano giustificato la necessità di estendere il modello </li></ul></ul>7/16 Estensione di un modello di raccomandazione content-based mediante integrazione di folksonomie semantiche Corso di Laurea Specialistica in Informatica – 23 aprile 08 – Cataldo Musto
  • 8. Estensione del modello di ITR <ul><li>Assunzione </li></ul><ul><ul><li>I tag non sono dei semplici metadati, forniscono informazioni sul contenuto </li></ul></ul><ul><li>Intuizione </li></ul><ul><ul><li>Quando il contenuto non è disponibile o non è affidabile, si può sfruttare l’informazione lessicale fornita dai tag </li></ul></ul><ul><li>Vantaggi </li></ul><ul><ul><ul><li>Ci permette di ovviare al problema dell’assenza di contenuti testuali </li></ul></ul></ul><ul><ul><ul><ul><li>Si utilizzano i tag forniti dalla comunità come “contenuto” che descriva gli oggetti raccomandabili </li></ul></ul></ul></ul><ul><ul><ul><li>Riduce il “peso” di contenuti testuali di cattiva qualità </li></ul></ul></ul><ul><ul><ul><ul><li>Probabile miglioramento dell’accuratezza predittiva </li></ul></ul></ul></ul><ul><ul><ul><li>Diversifica potenzialmente le raccomandazioni </li></ul></ul></ul><ul><ul><ul><ul><li>Il set di termini che descrivono l’oggetto è dinamico, si evolve assieme alle annotazioni fornite dagli utenti </li></ul></ul></ul></ul>8/16 Estensione di un modello di raccomandazione content-based mediante integrazione di folksonomie semantiche Corso di Laurea Specialistica in Informatica – 23 aprile 08 – Cataldo Musto
  • 9. Scenario <ul><li>Raccomandazione di beni museali </li></ul><ul><ul><li>Pinacoteca Vaticana </li></ul></ul><ul><ul><li>Oggetti descritti da contenuto testuale </li></ul></ul><ul><ul><ul><li>Titolo, Autore, Descrizione </li></ul></ul></ul><ul><ul><ul><li>Necessità di raccogliere un set di tag che modelli le opere </li></ul></ul></ul><ul><li>Come raccogliere una massa sufficiente di tag? </li></ul><ul><ul><li>Integrando dei meccanismi di collaboratività nel modello di raccomandazione </li></ul></ul><ul><ul><ul><li>Coinvolgendo gli utenti nell’annotazione degli oggetti </li></ul></ul></ul><ul><ul><ul><li>Estensione del modello di addestramento </li></ul></ul></ul>9/16 Estensione di un modello di raccomandazione content-based mediante integrazione di folksonomie semantiche Corso di Laurea Specialistica in Informatica – 23 aprile 08 – Cataldo Musto
  • 10. Modello di addestramento Si è previsto che l’utente, assieme al voto, potesse assegnare dei tag descrittivi 10/16 Assegnazione del rating – Classico modello di addestramento Estensione di un modello di raccomandazione content-based mediante integrazione di folksonomie semantiche Corso di Laurea Specialistica in Informatica – 23 aprile 08 – Cataldo Musto Contenuti testuali
  • 11. Disambiguazione dei contenuti <ul><li>Terminata la procedura di addestramento, abbiamo a disposizione l’insieme dei tag con cui l’utente ha annotato le opere gradite </li></ul><ul><li>Per eliminare problemi di sinonimia, polisemia, ecc. il set dei tag è stato sottoposto ad una procedura di disambiguazione </li></ul><ul><ul><li>Passaggio dal Tag al concetto espresso da quel tag </li></ul></ul><ul><ul><li>Passaggio da Folksonomie a Folksonomie Semantiche </li></ul></ul>11/16 Estensione di un modello di raccomandazione content-based mediante integrazione di folksonomie semantiche Corso di Laurea Specialistica in Informatica – 23 aprile 08 – Cataldo Musto
  • 12. Integrazione delle folksonomie <ul><li>Come integrare nei profili l’informazione aggiuntiva ? </li></ul><ul><ul><li>Individuazione di due modelli di profilazione </li></ul></ul><ul><ul><ul><li>Personal Tags </li></ul></ul></ul><ul><ul><ul><ul><li>Confluiscono nel profilo dell’utente 1 i tag virgin, crowning, christ </li></ul></ul></ul></ul><ul><ul><ul><li>Social Tags </li></ul></ul></ul><ul><ul><ul><ul><li>Il profilo viene arricchito dai tag utilizzati dalla comunità , al profilo vengono aggiunti i tag madonna, panel, cross, deposition </li></ul></ul></ul></ul>12/16 Estensione di un modello di raccomandazione content-based mediante integrazione di folksonomie semantiche Corso di Laurea Specialistica in Informatica – 23 aprile 08 – Cataldo Musto
  • 13. Integrazione delle folksonomie <ul><li>Intuizione </li></ul><ul><ul><li>Se a due utenti piacciono gli stessi oggetti, per certi versi condividono lo stesso modello mentale </li></ul></ul><ul><ul><li>L’informazione lessicale fornita da utenti con lo stesso modello mentale può essere condivisa collaborativamente </li></ul></ul><ul><ul><li>Si sfrutta il lessico fornito da utenti con gusti simili per arricchire la terminologia contenuta nel proprio profilo </li></ul></ul>13/16 Estensione di un modello di raccomandazione content-based mediante integrazione di folksonomie semantiche Corso di Laurea Specialistica in Informatica – 23 aprile 08 – Cataldo Musto
  • 14. Sperimentazione <ul><li>Campione di trenta utenti </li></ul><ul><li>Valutazione del nuovo modello di ITR </li></ul><ul><li>Confronto tra tre classi di profili </li></ul><ul><ul><li>Content-based </li></ul></ul><ul><ul><ul><li>Titolo, Autore, Descrizione dell’opera </li></ul></ul></ul><ul><ul><li>Content + Personal Tags , </li></ul></ul><ul><ul><li>Content + Social Tags </li></ul></ul><ul><li>Metriche adottate : Precision e Recall </li></ul><ul><li>Quesito </li></ul><ul><ul><li>Un modello di raccomandazione content-based può trarre vantaggio dall’integrazione di elementi di collaboratività ? </li></ul></ul>14/16 Estensione di un modello di raccomandazione content-based mediante integrazione di folksonomie semantiche Corso di Laurea Specialistica in Informatica – 23 aprile 08 – Cataldo Musto
  • 15. Risultati emersi <ul><li>L’informazione lessicale proveniente dai tag migliora la precision di ITR del 2.5% </li></ul><ul><li>L’approccio basato sui Social Tag, su training set piccoli, migliora la recall di ITR del 13% </li></ul>15/16 Estensione di un modello di raccomandazione content-based mediante integrazione di folksonomie semantiche Corso di Laurea Specialistica in Informatica – 23 aprile 08 – Cataldo Musto +2,5% +13%
  • 16. Conclusioni <ul><li>L’integrazione in un modello di raccomandazione dell’informazione proveniente da annotazioni collaborative è un fattore in grado di migliorare l’accuratezza predittiva del sistema </li></ul><ul><ul><li>Modello innovativo, mai sperimentato finora </li></ul></ul><ul><ul><li>I primi riscontri hanno sottolineato la bontà dell’approccio presentato </li></ul></ul><ul><ul><li>Modello proposto nell’ambito delle attività del progetto CHAT </li></ul></ul><ul><ul><ul><li>Sviluppo di una piattaforma per la fruizione personalizzata di beni museali </li></ul></ul></ul>16/16 Estensione di un modello di raccomandazione content-based mediante integrazione di folksonomie semantiche Corso di Laurea Specialistica in Informatica – 23 aprile 08 – Cataldo Musto

×