Presentazione Laurea - Cataldo

100 %
0 %
Information about Presentazione Laurea - Cataldo

Published on April 21, 2008

Author: Cataldo

Source: slideshare.net

Description

Augmenting Content-Based Recommender Systems with Tags

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

Sommario Estensione di un sistema di raccomandazione Motivazioni Web 2.0 Folksonomie Implementazione del modello Estensione del modello di training Integrazione delle folksonomie nei profili utente Sperimentazione Commenti e sviluppi futuri 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

Estensione di un sistema di raccomandazione

Motivazioni

Web 2.0

Folksonomie

Implementazione del modello

Estensione del modello di training

Integrazione delle folksonomie nei profili utente

Sperimentazione

Commenti e sviluppi futuri

Sistemi di raccomandazione Obiettivo Apprendere i gusti dell’utente in uno specifico dominio e suggerirgli altri “oggetti” cui potrebbe essere interessato ITR – Item Recommender Realizzato dall’Università di Bari Approccio Content-Based Accuratezza predittiva soddisfacente Eredita alcuni limiti dei modelli content-based 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

Obiettivo

Apprendere i gusti dell’utente in uno specifico dominio e suggerirgli altri “oggetti” cui potrebbe essere interessato

ITR – Item Recommender

Realizzato dall’Università di Bari

Approccio Content-Based

Accuratezza predittiva soddisfacente

Eredita alcuni limiti dei modelli content-based

Motivazioni Limiti In assenza di contenuto testuale, il sistema non può fornire raccomandazioni Contenuto testuale di cattiva qualità può portare a un peggioramento dell’accuratezza predittiva Raccomandazioni simili a contenuti precedentemente graditi dall’utente Bassa probabilità di ottenere raccomandazioni “sorprendenti” Necessità di migliorare il modello originario del sistema di raccomandazione Eliminazione dei limiti del modello content-based Integrazione di elementi di innovatività Ricerca di sovrapposizioni con l’area del Web 2.0 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

Limiti

In assenza di contenuto testuale, il sistema non può fornire raccomandazioni

Contenuto testuale di cattiva qualità può portare a un peggioramento dell’accuratezza predittiva

Raccomandazioni simili a contenuti precedentemente graditi dall’utente

Bassa probabilità di ottenere raccomandazioni “sorprendenti”

Necessità di migliorare il modello originario del sistema di raccomandazione

Eliminazione dei limiti del modello content-based

Integrazione di elementi di innovatività

Ricerca di sovrapposizioni con l’area del Web 2.0

Annotazione dei contenuti della Rete Web 2.0 Sistemi di Tagging Collaborativo Concetto chiave: Tagging L’utente fruisce contenuti (foto, video, audio, testi, ecc.) Associa a queste risorse delle parole chiave, dette tag Tag Vocabolario libero Informazione sul contenuto, sul contesto o percezione soggettiva La stessa risorsa può essere annotata da vari utenti Al crescere degli utenti, cresce anche il numero dei tag associati ad una risorsa 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

Web 2.0

Sistemi di Tagging Collaborativo

Concetto chiave: Tagging

L’utente fruisce contenuti (foto, video, audio, testi, ecc.)

Associa a queste risorse delle parole chiave, dette tag

Tag

Vocabolario libero

Informazione sul contenuto, sul contesto o percezione soggettiva

La stessa risorsa può essere annotata da vari utenti

Al crescere degli utenti, cresce anche il numero dei tag associati ad una risorsa

Folksonomie (1) L’insieme dei tag associati ad una risorsa prende il nome di folksonomia La folksonomia è una struttura lessicale Emerge dalle annotazioni collaborative degli utenti es) Immaginiamo come risorsa un brano musicale 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

L’insieme dei tag associati ad una risorsa prende il nome di folksonomia

La folksonomia è una struttura lessicale

Emerge dalle annotazioni collaborative degli utenti

es) Immaginiamo come risorsa un brano musicale

Folksonomie (2) Punti di forza Ci fornisce informazioni sul modello mentale degli utenti Cosa gli utenti “vedono” in ciò che fruiscono Associa una semantica ai contenuti della Rete Semantica collaborativa, non espressa formalmente Una folksonomia ci permette di acquisire delle informazioni sul contenuto associato ad una risorsa Riflessione La correlazione tra tag e contenuto associato ad una risorsa ci riporta alle motivazioni che avevano giustificato la necessità di estendere il modello 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

Punti di forza

Ci fornisce informazioni sul modello mentale degli utenti

Cosa gli utenti “vedono” in ciò che fruiscono

Associa una semantica ai contenuti della Rete

Semantica collaborativa, non espressa formalmente

Una folksonomia ci permette di acquisire delle informazioni sul contenuto associato ad una risorsa

Riflessione

La correlazione tra tag e contenuto associato ad una risorsa ci riporta alle motivazioni che avevano giustificato la necessità di estendere il modello

Estensione del modello di ITR Assunzione I tag non sono dei semplici metadati, forniscono informazioni sul contenuto Intuizione Quando il contenuto non è disponibile o non è affidabile, si può sfruttare l’informazione lessicale fornita dai tag Vantaggi Ci permette di ovviare al problema dell’assenza di contenuti testuali Si utilizzano i tag forniti dalla comunità come “contenuto” che descriva gli oggetti raccomandabili Riduce il “peso” di contenuti testuali di cattiva qualità Probabile miglioramento dell’accuratezza predittiva Diversifica potenzialmente le raccomandazioni Il set di termini che descrivono l’oggetto è dinamico, si evolve assieme alle annotazioni fornite dagli utenti 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

Assunzione

I tag non sono dei semplici metadati, forniscono informazioni sul contenuto

Intuizione

Quando il contenuto non è disponibile o non è affidabile, si può sfruttare l’informazione lessicale fornita dai tag

Vantaggi

Ci permette di ovviare al problema dell’assenza di contenuti testuali

Si utilizzano i tag forniti dalla comunità come “contenuto” che descriva gli oggetti raccomandabili

Riduce il “peso” di contenuti testuali di cattiva qualità

Probabile miglioramento dell’accuratezza predittiva

Diversifica potenzialmente le raccomandazioni

Il set di termini che descrivono l’oggetto è dinamico, si evolve assieme alle annotazioni fornite dagli utenti

Scenario Raccomandazione di beni museali Pinacoteca Vaticana Oggetti descritti da contenuto testuale Titolo, Autore, Descrizione Necessità di raccogliere un set di tag che modelli le opere Come raccogliere una massa sufficiente di tag? Integrando dei meccanismi di collaboratività nel modello di raccomandazione Coinvolgendo gli utenti nell’annotazione degli oggetti Estensione del modello di addestramento 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

Raccomandazione di beni museali

Pinacoteca Vaticana

Oggetti descritti da contenuto testuale

Titolo, Autore, Descrizione

Necessità di raccogliere un set di tag che modelli le opere

Come raccogliere una massa sufficiente di tag?

Integrando dei meccanismi di collaboratività nel modello di raccomandazione

Coinvolgendo gli utenti nell’annotazione degli oggetti

Estensione del modello di addestramento

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

Disambiguazione dei contenuti Terminata la procedura di addestramento, abbiamo a disposizione l’insieme dei tag con cui l’utente ha annotato le opere gradite Per eliminare problemi di sinonimia, polisemia, ecc. il set dei tag è stato sottoposto ad una procedura di disambiguazione Passaggio dal Tag al concetto espresso da quel tag Passaggio da Folksonomie a Folksonomie Semantiche 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

Terminata la procedura di addestramento, abbiamo a disposizione l’insieme dei tag con cui l’utente ha annotato le opere gradite

Per eliminare problemi di sinonimia, polisemia, ecc. il set dei tag è stato sottoposto ad una procedura di disambiguazione

Passaggio dal Tag al concetto espresso da quel tag

Passaggio da Folksonomie a Folksonomie Semantiche

Integrazione delle folksonomie Come integrare nei profili l’informazione aggiuntiva ? Individuazione di due modelli di profilazione Personal Tags Confluiscono nel profilo dell’utente 1 i tag virgin, crowning, christ Social Tags Il profilo viene arricchito dai tag utilizzati dalla comunità , al profilo vengono aggiunti i tag madonna, panel, cross, deposition 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

Come integrare nei profili l’informazione aggiuntiva ?

Individuazione di due modelli di profilazione

Personal Tags

Confluiscono nel profilo dell’utente 1 i tag virgin, crowning, christ

Social Tags

Il profilo viene arricchito dai tag utilizzati dalla comunità , al profilo vengono aggiunti i tag madonna, panel, cross, deposition

Integrazione delle folksonomie Intuizione Se a due utenti piacciono gli stessi oggetti, per certi versi condividono lo stesso modello mentale L’informazione lessicale fornita da utenti con lo stesso modello mentale può essere condivisa collaborativamente Si sfrutta il lessico fornito da utenti con gusti simili per arricchire la terminologia contenuta nel proprio profilo 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

Intuizione

Se a due utenti piacciono gli stessi oggetti, per certi versi condividono lo stesso modello mentale

L’informazione lessicale fornita da utenti con lo stesso modello mentale può essere condivisa collaborativamente

Si sfrutta il lessico fornito da utenti con gusti simili per arricchire la terminologia contenuta nel proprio profilo

Sperimentazione Campione di trenta utenti Valutazione del nuovo modello di ITR Confronto tra tre classi di profili Content-based Titolo, Autore, Descrizione dell’opera Content + Personal Tags , Content + Social Tags Metriche adottate : Precision e Recall Quesito Un modello di raccomandazione content-based può trarre vantaggio dall’integrazione di elementi di collaboratività ? 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

Campione di trenta utenti

Valutazione del nuovo modello di ITR

Confronto tra tre classi di profili

Content-based

Titolo, Autore, Descrizione dell’opera

Content + Personal Tags ,

Content + Social Tags

Metriche adottate : Precision e Recall

Quesito

Un modello di raccomandazione content-based può trarre vantaggio dall’integrazione di elementi di collaboratività ?

Risultati emersi L’informazione lessicale proveniente dai tag migliora la precision di ITR del 2.5% L’approccio basato sui Social Tag, su training set piccoli, migliora la recall di ITR del 13% 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%

L’informazione lessicale proveniente dai tag migliora la precision di ITR del 2.5%

L’approccio basato sui Social Tag, su training set piccoli, migliora la recall di ITR del 13%

Conclusioni 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 Modello innovativo, mai sperimentato finora I primi riscontri hanno sottolineato la bontà dell’approccio presentato Modello proposto nell’ambito delle attività del progetto CHAT Sviluppo di una piattaforma per la fruizione personalizzata di beni museali 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

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

Modello innovativo, mai sperimentato finora

I primi riscontri hanno sottolineato la bontà dell’approccio presentato

Modello proposto nell’ambito delle attività del progetto CHAT

Sviluppo di una piattaforma per la fruizione personalizzata di beni museali

Add a comment

Related pages

Presentazione Tesi: La copertina di un libro. by Davide Di ...

politecnico di torino facolta’ di architettura i corso di laurea in progetto grafico e virtuale elaborato di laurea. la copertina di un libro
Read more

Presentazione Laurea - Cataldo - Technology - DOCSLIDE.IT

Presentazione tesi di laurea Presentazione ppt per la mia tesi di laurea triennale in Comunicazione Digitale.
Read more

ECP Promimpresa srl - Università Telematica | Facebook

ECP Promimpresa srl - Università Telematica, San Cataldo, Sicily. 417 likes · 6 talking about this · 18 were here. CORSI DI LAUREA TRIENNALI, MAGISTRALI,...
Read more

Presentazione laurea - Technology

Presentazione Laurea - Cataldo Augmenting Content-Based Recommender Systems with Tags Presentazione Tesi Laurea Magistrale Tesi di laurea ...
Read more

Interviste ai laureati - Dipartimento di Informatica

Presentazione; Interviste ai ... Cataldo Grano. ... Andrea Iafrate ha da poco concluso il suo percorso alla Laurea Magistrale in Business Informatics, ...
Read more

FACOLTA’ DI SCIENZE DELLA FORMAZIONE CORSO DI LAUREA

Università degli Studi Suor Orsola Benincasa FACOLTA’ DI SCIENZE DELLA FORMAZIONE CORSO DI LAUREA SCIENZE DELLA FORMAZIONE PRIMARIA TESI DI LAUREA
Read more

Dissertazione tesi di Laurea - YouTube

Dissertazione tesi di laurea - Facoltà di Giurisprudenza, Corso di Laurea in Consulente del Lavoro - Titolo: POTERI ISPETTIVI E MORTI BIANCHE
Read more

Presentazione del Corso di Laurea Magistrale in ...

Watch Presentazione del Corso di Laurea Magistrale in Giurisprudenza video.
Read more