• Save
A.V.I.C. Assistente Virtuale Intelligente Cooperativo
Upcoming SlideShare
Loading in...5
×
 

A.V.I.C. Assistente Virtuale Intelligente Cooperativo

on

  • 1,561 views

http://www.avic.it/ ...

http://www.avic.it/

AVIC è una applicazione che, integrandosi con un motore di ricerca, permette di ottenere una riorganizzazione dei risultati provenienti dalla query eseguita sul motore di ricerca stesso, sulla base del gradimento (implicito e/o esplicito) espresso dalle persone indicate come appartenenti alla rete sociale dell'utente (sia personale, es. facebook, che professionale, es. linkedin, organigramma aziendale, ecc.)

In definitiva, l’applicazione permette di rimodulare il ranking associato ai risultati di una ricerca basandosi sul feedback fornito (implicitamente e/o esplicitamente) dagli utenti appartenenti al proprio social network: i risultati ritenuti validi dagli utenti attendibili verranno privilegiati e quindi mostrati nelle prime posizioni dell’insieme dei risultati totali.

L’obiettivo è quello di ottenere nelle prime posizioni ciò che è veramente interessante per l’utente e non pagine e pagine di “rumore”. Ad es., cercando materiale su “intelligence”, si otterranno prima risultati relativi alla “business intelligence” se la propria rete sociale è principalmente popolata da informatici, mentre se le persone a cui si è collegate si occupano di investigazioni si potranno ottenere prima i risultati relativi all’intelligence come tecnica di investigazione.

AVIC utilizza un motore di ricerca per ottenere i risultati preliminari, (ad es. Google, Fast, Exalead) , per poi riorganizzarli (re-ranking) sulla base di uno specifico algoritmo che permette non solo di portare su o giù le pagine gradite dalla rete sociale, ma anche di identificare chi nella rete sociale è più affidabile, o meno, come fonte di suggerimenti.

Questo fa si che le ricerche raggiungano un elevato grado di personalizzazione, in quanto AVIC, come sistema auto-apprendente, oltre ad imparare a conoscere gli interessi dell’utente che effettua la ricerca, tiene anche conto degli input derivanti dai feedback di gradimento espressi degli utenti “attendibili e vicini” all’utente in questione.

Statistics

Views

Total Views
1,561
Slideshare-icon Views on SlideShare
1,551
Embed Views
10

Actions

Likes
1
Downloads
0
Comments
0

5 Embeds 10

http://www.slideshare.net 4
https://www.linkedin.com 2
http://www.slideee.com 2
http://www.slashdocs.com 1
http://www.linkedin.com 1

Accessibility

Categories

Upload Details

Uploaded via as Microsoft PowerPoint

Usage Rights

CC Attribution-NonCommercial-NoDerivs LicenseCC Attribution-NonCommercial-NoDerivs LicenseCC Attribution-NonCommercial-NoDerivs License

Report content

Flagged as inappropriate Flag as inappropriate
Flag as inappropriate

Select your reason for flagging this presentation as inappropriate.

Cancel
  • Full Name Full Name Comment goes here.
    Are you sure you want to
    Your message goes here
    Processing…
Post Comment
Edit your comment
  • E’ un agente software in grado di riorganizzare il ranking delle pagine ottenute da un qualsiasi motore di ricerca in base al gradimento espresso dagli utenti della propria rete sociale.Indipendente dal motore di ricerca specifico (integra google ed exalead) e dalla specifica implementazione della rete sociale (facebook, myspace, etc.).Implementa algoritmi di feedback espliciti (gladiatore e bookmarking) ed impliciti (tempo di permanenza, numero di accessi, link seguiti, download eseguiti).E’ stata creata una ontologia per la gestione di una rete sociale, inclusi gli aspetti di trust tra persone ed apprezzamento di una risorsa. Ad oggi non ne esiste una in letteratura come quella di AVIC.Il progetto può essere utilizzato anche all’interno di una rete sociale aziendale o in settori verticali (ad es. l’Ordine dei Giornalisti). In questo caso si ottiene il massimo dei benefici; si pensi ad es. ad un gruppo di progettisti che sta lavorando su un nuovo macchinario: chi eseguirà le ricerche dopo che già alcune pagine sono state vagliate, troverà direttamente quelle più promettenti, senza dover fare il lavoro di ricerca delle fonti utili che ci fa perdere la maggior parte del tempo durante la navigazione.
  • Una parte importante, assolutamente vitale ed innovativa del progetto, è stata la creazione di specifici algoritmi per il calcolo della rete sociale, della fiducia tra utenti, del livello di apprezzamento di una risorsa web.Gli algoritmi creati sono i seguenti:- Algoritmo per la determinazione della lista amici a distanza ≤ R.- Calcolo di amici in comune tra due persone.- Calcolo del ranking “personale” di una risorsa di un nodo- Calcolo del ranking “sociale” di una risorsa di un nodo (rispetto alla propria rete sociale)- Calcolo della fiducia tra due nodi - Algoritmo generale di ricerca  L’ultimo (“Algoritmo generale di ricerca”) è il cuore del sistema, ovvero l’algoritmo che modifica il ranking di ricerca di un motore generalista di ricerca (ad es. Google) per portare in evidenza le pagine gradite alla rete sociale della persona ed analogamente abbassare di importanza le pagine poco gradite. Per poter applicare questo algoritmo è necessario conoscere la rete sociale della persona, cosa che si ottiene con il calcolo dell’ “Algoritmo per la determinazione della lista amici a distanza <= R”, dove R è il raggio che vogliamo considerare (con raggio 1, si prendono gli amici diretti di una persona, con raggio 2 sia gli amici diretti che gli amici degli amici e così via).Quanto una pagina sia interessante per la rete sociale viene calcolato sulla base delle pagine gradite/sgradite dagli amici della persona interessata. Non si considerano però tutte le persone allo stesso modo, ma si prendono in considerazione due aspetti di fiducia (trust) uno cosiddetto structural trust che viene calcolato sulla base della topologia della rete sociale, ed uno basato sui feedback che l’utente di cui si sta eseguendo la ricerca dà ai documenti trovati, e che chiamiamo feedback based trust .Il primo trust, strutturale, viene calcolato sulla base del numero di amici in comune, assumendo che avere molti amici in comune aumenta il grado di intimità (e quindi di fiducia) delle persone. Questo calcolo viene eseguito dal “Calcolo di amici in comune tra due persone”.Il “Calcolo della fiducia tra due nodi” prende in considerazione anche il feedback da parte dell’utente, e tracciato tramite il meccanismo del gladiatore (ovvero un segnale esplicito positivo o negativo della pagina, tramite il plug-in installato sul browser). Il “Calcolo del ranking “personale” di una risorsa di un nodo” prende in considerazione quanto un utente ha gradito la pagina (tramite i meccanismi di feedback espliciti ed implici) ; questa informazione ci permette di sapere quanto quella persona (un nodo della rete sociale) abbia gradito una particolare risorsa (una pagina web).Il “Calcolo del ranking ‘sociale’ di una risorsa di un nodo (rispetto alla propria rete sociale)” esegue un passaggio in più, ovvero permette di calcolare il ranking di preferenza delle risorse per la rete sociale a cui una persona (un nodo) appartiene. Ogni persona ha una rete sociale (potenzialmente) diversa dagli altri utenti e quindi questo calcolo è individuale. Sulla base di questo ranking diviene possibile eseguire l’ultimo passaggio, ovvero la ricerca personalizzata.La ricerca personalizzata è quindi una ricerca su un motore generalista la cui posizione è modificata sulla base del ranking sociale della persona che sta cercando. Poiché la persona potrà dare dei feedback, questo ranking potrà cambiare in base ai suoi gusti, modificando anche il livello di fiducia nelle raccomandazioni date dagli “amici” della rete sociale, e quindi il sistema è del tutto adattativo nel tempo.
  • Quando l’utente esegue una ricerca nel Web, è nostro compito fornire i risultati più inerenti possibili agli interessi dell’utente. A tal fine si rende opportuna un’accurata profilazionedell’individuo. Tale profilazione si intende attuarla sia con meccanismi espliciti e sia con tecniche di profilazioneimplicite.
  • Quando l’utente esegue una ricerca nel Web, è nostro compito fornire i risultati più inerenti possibili agli interessi dell’utente. A tal fine si rende opportuna un’accurata profilazionedell’individuo. Tale profilazione si intende attuarla sia con meccanismi espliciti e sia con tecniche di profilazioneimplicite.
  • Quando l’utente esegue una ricerca nel Web, è nostro compito fornire i risultati più inerenti possibili agli interessi dell’utente. A tal fine si rende opportuna un’accurata profilazionedell’individuo. Tale profilazione si intende attuarla sia con meccanismi espliciti e sia con tecniche di profilazioneimplicite.
  • Quando l’utente esegue una ricerca nel Web, è nostro compito fornire i risultati più inerenti possibili agli interessi dell’utente. A tal fine si rende opportuna un’accurata profilazionedell’individuo. Tale profilazione si intende attuarla sia con meccanismi espliciti e sia con tecniche di profilazioneimplicite.
  • Quando l’utente esegue una ricerca nel Web, è nostro compito fornire i risultati più inerenti possibili agli interessi dell’utente. A tal fine si rende opportuna un’accurata profilazionedell’individuo. Tale profilazione si intende attuarla sia con meccanismi espliciti e sia con tecniche di profilazioneimplicite.
  • Quando l’utente esegue una ricerca nel Web, è nostro compito fornire i risultati più inerenti possibili agli interessi dell’utente. A tal fine si rende opportuna un’accurata profilazionedell’individuo. Tale profilazione si intende attuarla sia con meccanismi espliciti e sia con tecniche di profilazioneimplicite.
  • Quando l’utente esegue una ricerca nel Web, è nostro compito fornire i risultati più inerenti possibili agli interessi dell’utente. A tal fine si rende opportuna un’accurata profilazionedell’individuo. Tale profilazione si intende attuarla sia con meccanismi espliciti e sia con tecniche di profilazioneimplicite.
  • Quando l’utente esegue una ricerca nel Web, è nostro compito fornire i risultati più inerenti possibili agli interessi dell’utente. A tal fine si rende opportuna un’accurata profilazionedell’individuo. Tale profilazione si intende attuarla sia con meccanismi espliciti e sia con tecniche di profilazioneimplicite.
  • Quando l’utente esegue una ricerca nel Web, è nostro compito fornire i risultati più inerenti possibili agli interessi dell’utente. A tal fine si rende opportuna un’accurata profilazionedell’individuo. Tale profilazione si intende attuarla sia con meccanismi espliciti e sia con tecniche di profilazioneimplicite.
  • Quando l’utente esegue una ricerca nel Web, è nostro compito fornire i risultati più inerenti possibili agli interessi dell’utente. A tal fine si rende opportuna un’accurata profilazionedell’individuo. Tale profilazione si intende attuarla sia con meccanismi espliciti e sia con tecniche di profilazioneimplicite.
  • Quando l’utente esegue una ricerca nel Web, è nostro compito fornire i risultati più inerenti possibili agli interessi dell’utente. A tal fine si rende opportuna un’accurata profilazionedell’individuo. Tale profilazione si intende attuarla sia con meccanismi espliciti e sia con tecniche di profilazioneimplicite.
  • Quando l’utente esegue una ricerca nel Web, è nostro compito fornire i risultati più inerenti possibili agli interessi dell’utente. A tal fine si rende opportuna un’accurata profilazionedell’individuo. Tale profilazione si intende attuarla sia con meccanismi espliciti e sia con tecniche di profilazioneimplicite.
  • Quando l’utente esegue una ricerca nel Web, è nostro compito fornire i risultati più inerenti possibili agli interessi dell’utente. A tal fine si rende opportuna un’accurata profilazionedell’individuo. Tale profilazione si intende attuarla sia con meccanismi espliciti e sia con tecniche di profilazioneimplicite.
  • Quando l’utente esegue una ricerca nel Web, è nostro compito fornire i risultati più inerenti possibili agli interessi dell’utente. A tal fine si rende opportuna un’accurata profilazionedell’individuo. Tale profilazione si intende attuarla sia con meccanismi espliciti e sia con tecniche di profilazioneimplicite.
  • Quando l’utente esegue una ricerca nel Web, è nostro compito fornire i risultati più inerenti possibili agli interessi dell’utente. A tal fine si rende opportuna un’accurata profilazionedell’individuo. Tale profilazione si intende attuarla sia con meccanismi espliciti e sia con tecniche di profilazioneimplicite.
  • Quando l’utente esegue una ricerca nel Web, è nostro compito fornire i risultati più inerenti possibili agli interessi dell’utente. A tal fine si rende opportuna un’accurata profilazionedell’individuo. Tale profilazione si intende attuarla sia con meccanismi espliciti e sia con tecniche di profilazioneimplicite.

A.V.I.C. Assistente Virtuale Intelligente Cooperativo A.V.I.C. Assistente Virtuale Intelligente Cooperativo Presentation Transcript

  • A.V.I.C. Assistente Virtuale Intelligente Cooperativo
  • A.V.I.C.  E’ un progetto cofinanziato dalla U.E., P.O.R. Sardegna 2000- 2006.  Agente software di re-ranking;  Indipendente dal motore di ricerca e dalla rete;  Implementa algoritmi di feedback impliciti ed espliciti;  Implementa algoritmi di trusting tra utenti;  Incorpora concetti semantici (FOAF).  Ottimo comportamento nelle reti sociali aziendali.
  • Avic Assistente Virtuale Intelligente Cooperativo Scopo: Assistere l’utente nella ricerca di contenuti sul web “raccomandando” i risultati ritenuti utili utenti “socialmente vicini” all’utente in questione. Risultato: L’applicazione permette di rimodulare il ranking associato ai risultati di una ricerca basandosi sul feedback fornito (implicitamente e/o esplicitamente) dagli utenti appartenenti al proprio social network: i risultati ritenuti validi dagli utenti attendibili verranno privilegiati e quindi mostrati nelle prime posizioni dell’insieme dei risultati totali
  • Rete Sociale WWW ENTERPRISE PMI Social Network Organigramma aziendale Assenza di struttura tradizionale (Facebook, (LDAP, Active Directory). (registrata). linkedin). Appartenenti alla stessa Rete determinata dai Molte connessioni area hanno un link contatti della propria richiedono vincoli diretto. rubrica. computazionali.
  • A.V.I.C. Richieste Feedback Impliciti Risultato ed espliciti A.V.I.C. Motore di Ricerca
  • A.V.I.C.: Profilazione Utente Implicita n° click Esplicita Download Gladiatore Tempo permanenza Tagging Percorso Ricerca->risultato Cronologia Registrazione Utente Segnalibri Frequenza di Visualizzazione
  • A.V.I.C.: Profilazione Utente Amici in Comune Nodi Amici Nodi Amici degli Amici Intensità delle Relazioni
  • A.V.I.C.: Problemi e Soluzioni  Nodi Hub; Soluzione Trascurati  Nodi Isolati;  Cold Start: Soluzione  Mancanza di Documenti; Lista di Default  Mancanza di Amici; Rete Completa  Intensità del Rapporto tra Utenti Affidabilità uno a uno Soluzione Clustering
  • A.V.I.C.: Architettura Plug.in Plug-in Richieste Feedback Impliciti Risultato ed espliciti Elaborazione Gestione richieste rete Attuazione provenienti dal sociale processi di plug-in ragionamento sulla rete Attuazione tecniche di A.V.I.C. sociale elaborazione Motore Gestione DB dati di Risorse associate Semantico per gestione Ricerca all’utente Assegnazione ricerca utente pesi alle risorse
  • A.V.I.C.: Punti di forza Algoritmi Innovativi specializzati su: Ontologia Originale  Individuazione Lista specializzata su: Amici  Creazione e  Calcolo Amici in manutenzione Comune rete sociale  Calcolo Ranking:  Giudizi su risorse  Personale  Personali  Sociale  Sociali  Calcolo Fiducia tra Nodi  Livello di Fiducia  Algoritmo Generale di Ricerca
  • A.V.I.C.: Esempio (Front End) L’utente “marcolino” esegue Ricerca il termine: social il login Social www.avic.it Il motore restituisce i seguenti risultati
  • A.V.I.C.: Esempio (Front End) L’utente “marcolino” decide di seguire questo link Social www.avic.it
  • A.V.I.C.: Esempio (Front End) ..utilizza il gladiatore per Letto il contenuto…. evidenziare il suo interesse http://en.wikipedia.org/wiki/Social
  • A.V.I.C.: Esempio (Front End) L’utente “marcolino” decide poi di seguire questo link Social www.avic.it
  • A.V.I.C.: Esempio (Front End) Anche questa volta letto il ..utilizza il gladiatore per contenuto…. evidenziare il suo interesse http://www.ssireview.org/ Social www.avic.it
  • A.V.I.C.: Esempio (Back End) La decisione di “marcolino”influenza i sui Definendo un “personal rank” documenti personali
  • A.V.I.C.: Esempio (Back End) Tra gli amici di “marcolino” c’è “massimino”
  • A.V.I.C.: Esempio (Back End) La decisione di “marcolino” ha influenza Definendo un “social rank” sui documenti Sociali di “massimino”
  • A.V.I.C.: Esempio (Front End) L’utente “massimino” esegue Ricerca il termine: social il login Social www.avic.it Il motore restituisce i seguenti risultati riorganizzati
  • A.V.I.C.: To Do Arricchimento della ricerca a partire dalla query:  Semantig Tagging sui documenti sociali  Definizione di distanza semantica tra query e documenti sociali  Integrazione SERP con insieme di documenti sociali semanticamente vicini Individuazione diegli utenti influencer:  Definizione di utenti particolarmente rappresentativi nella rete (Influencer)  Classificazione Documenti Sociali  Definizione del concetto di bagagli culturale  Valore del feedback correlato alla distanza ed al bagagli culturale  Ridefinizione delle funzioni di feedback per gli Influencer Arricchimento della ricerca a partire dai risultati:  Definizione di distanza semantica tra i risultati ed i documenti sociali  Seggerimenti estratti dai risultati sociali in base alla selezione nella SERP
  • Riferimenti AVIC è un progetto Retis S.p.A. (cofinanziato dalla U.E., P.O.R. Sardegna 2000-2006) Responsabili scientifici: Marco Pirrone m.pirrone@retis.it Mob: 348-8867937 Massimo Romano m.romano@retis.it Mob. 335-7443828