Semantic holistic user modeling per l’accesso personalizzato a servizi e contenuti digitali
Obiettivo generale della ricerca
Migliorare lo stato dell’arte nell’area della personalizzazione, sfruttando i Big Data per costruire profili utente precisi, espressivi ed in grado di combinare in un unico modello l’informazione proveniente da sorgenti eterogenee. Le attività saranno orientate all’individuazione dei formalismi di rappresentazione semantica più adeguati, alla definizione di algoritmi atti ad estrarre le preferenze e i bisogni dell’utente, e allo studio delle modalità di esposizione dei profili verso tool di personalizzazione esterni
Principali risultati prodotti
Rapporto tecnico di analisi dei requisiti della piattaforma di Semantic Holistic User Modeling (Rapporto)
Documento di Progettazione della piattaforma di Semantic Holistic User Modeling (Pubblicazione)
Piattaforma di Semantic Holistic User Modeling (Prototipo)
Principale know-how prodotto
Approfondimento dello stato dell’arte nell’area del Semantic Holistic User Modeling
Conoscenza dei requisiti funzionali e non funzionali per una piattaforma di Semantic Holistic User Modeling
Conoscenza delle architetture più adeguate per la realizzazione di una piattaforma di Semantic Holistic User Modeling
Conoscenza delle tecnologie più promettenti adeguate per la realizzazione di una piattaforma di Semantic Holistic User Modeling
Comprensione dell’impatto della piattaforma di Semantic Holistic User Modeling in uno o più casi d’uso pilota
Sfida sociale: Nuovi sistemi di produzione e di comunicazione di contenuti culturali e artistici
Le attività progettuali hanno consentito lo sviluppo di una piattaforma software che rispondesse perfettamente ai requisiti funzionali e non funzionali definiti in fase di analisi. Gli algoritmi di analisi semantica e le metodologie per l'estrazione di dati integrati nel sistema di Semantic Holistic User Modeling hanno mostrato l'efficacia della piattaforma nel task di individuazione di utenti haters all'interno dei social networks contribuendo al tema dello sviluppo culturale
Collaborazioni regionali rilevanti attivate
- Murex CS srl (Partnership)
Trasferimento tecnologico delle metodologie e degli algoritmi sviluppati nell’ambito del progetto di ricerca in scenari industriali
- SisInfLab - Politecnico di Bari (Collaborazione scientifica)
Organizzazione di un tutorial congiunto
- Narducci F., Basile P., Musto C., Lops P., Caputo A., De Gemmis M., Iaquinta L., Semeraro G. (2016) Concept-based item representations for a cross-lingual content-based recommendation process. Information Sciences
- Narducci F., Musto C., Gemmis M., Lops P., Semeraro G. (2017) TV-Program Retrieval and Classification: A Comparison of Approaches based on Machine Learning. Information Systems Frontiers
- Musto C., Basile P., Lops p., De Gemmis M., Semeraro G. (2017) Introducing linked open data in graph-based recommender systems. Information Processing & Management
- Musto C., Lops P., De Gemmis M., Semeraro G. (2017) Semantics-aware Recommender Systems exploiting Linked Open Data and graph-based features. Knowledge-Based Systems
- Musto C., Narducci F., Lops P., De Gemmis M., Semeraro G. (2019) Linked open data-based explanations for transparent recommender systems. International Journal of Human-Computer Studies
Musto Cataldo
INF/01 Informatica
Dipartimento di Informatica
Università degli Studi di Bari "Aldo Moro"
