Università degli Studi di Bari
Facoltà di Scienze MM. FF. NN.
Corso di Laurea Specialistica in INFORMATICA
Tesi di Laurea in LINGUAGGI E TRADUTTORI
Sviluppo di servizi per la fruizione
personalizzata di beni culturali basati su un
sistema di raccomandazione content-based
Relatori:
Chiar.mo prof. Giovanni SEMERARO
dott. Marco DE GEMMIS
dott. Pasquale LOPS
Anno Accademico 2006/2007
Laureando:
Massimo BUX
Indice
• Progetto CHAT
• Reingegnerizzazione di ITR
• Servizi di CHAT
– Location
– Classify
• Sperimentazione
• Conclusioni
• Sviluppi futuri
2/16
Progetto CHAT…
• L’obiettivo di CHAT è la costruzione di una
piattaforma per la creazione di servizi
multimodali mobili in un dominio applicativo
che è quello dei beni culturali
3/16
…Progetto CHAT
• Uno degli scenari previsti in CHAT è una guida
in grado di fornire informazioni su opere e
autori di un determinato museo
• I servizi della guida museale, precedentemente
progettati come entità statiche, sono stati
arricchiti tramite raccomandazioni
personalizzate per ciascun utente
4/16
Reingegnerizzazione di ITR…
• Database
– Tabella Item dinamica, dipendente dagli slot in cui
l’oggetto è suddiviso
– Aggiunta della tabella Classify che raccoglie le
raccomandazioni calcolate da ITR
5/16
…Reingegnerizzazione di ITR
6/16
Servizi di CHAT
Nome task
Descrizione
Nome task
Location
È il comando con il quale
More
Info
Descrizione
È il comando con il quale si richiede di
si richiede di ricevere
ricevere ulteriori informazioni (livello di
contenuti relativi ad una
approfondimento superiore a quello del
stanza specifica del
comando info). L’oggetto
museo.
dell’approfondimento può essere
È il comando con il quale
tipicamente un’opera del museo.
si richiede di ricevere
Other
È il comando con il quale si richiede di
informazioni
visualizzare altre opere, associate in qualche
relativamente ad un’opera
modo a quella indicata.
o ad un autore del museo.
Author
È il comando con il quale si richiede di
ricevere informazioni sull’autore di
un’opera o sugli autori presenti in una sala.
7/16
Perché REST?
• Acronimo di Representational State Transfer
• L’accesso alle informazioni non avviene
tramite scambio di messaggi SOAP ma
attraverso semplici chiamate HTTP
• Maggiore leggerezza rispetto ai WS SOAP
8/16
Servizi di CHAT: Location
34
35
36
45
14
35
34
14!
36
45
14!
14
14!
Best location?
9/16
Servizi di CHAT: Classify
10/16
Sperimentazione…
• Per la raccolta dei dati è stata realizzata una
piattaforma ad hoc, denominata Pinacoteca
PHP, destinata agli utenti, soggetto della
sperimentazione
• L’applicazione ha permesso la raccolta, tramite
robot, dei contenuti della Pinacoteca dei
Musei Vaticani, e la votazione degli stessi con
un range da 1 a 5
11/16
…Sperimentazione…
• La popolazione è stata fissata in 30 soggetti di
età minore di 25 anni e con competenze, sia
informatiche che artistiche, molto variegate
• Dopo la raccolta dei dati, per la valutazione
degli stessi è stata utilizzata la metrica NDPM,
atta a valutare la bontà dei ranking degli item
calcolata in accordo ad una certa misura di
relevance
12/16
…Sperimentazione
RIEPILOGO UTENTI
UTENTE01 0,55741 UTENTE16
UTENTE02 0,48148 UTENTE17
UTENTE03 0,53333 UTENTE18
UTENTE04 0,65185 UTENTE19
UTENTE05 0,56852 UTENTE20
UTENTE06 0,52222 UTENTE21
UTENTE07 0,37593 UTENTE22
UTENTE08 0,54444 UTENTE23
UTENTE09 0,38889 UTENTE24
UTENTE10 0,39074 UTENTE25
UTENTE11 0,45926 UTENTE26
UTENTE12 0,51111 UTENTE27
UTENTE13 0,48889 UTENTE28
UTENTE14 0,45556 UTENTE29
UTENTE15 0,34815 UTENTE30
NDPM MEDIO:
0,43148
0,45370
0,36111
0,46481
0,35000
0,51111
0,46667
0,39444
0,54815
0,36296
0,45556
0,39259
0,42037
0,59815
0,55185
0,46802
13/16
Conclusioni
• La mappatura fra tabelle del database di ITR
rende una futura manutenzione del pacchetto
molto più semplice
• Svincolarsi dalla staticità degli slots ha reso
generale ITR, che prima era vincolato
dall'ambito applicativo
• I servizi di CHAT sono stati arricchiti dalle
classificazioni di ITR che permettono un
filtraggio dei dati e la restituzione degli stessi
adattati ad ogni singolo utente
14/16
Sviluppi futuri
• Implementazione di un nuovo Recommender,
ad esempio di tipo collaborativo
• Utilizzo di una strategia più evoluta per il
servizio location adattato all'utente
• Creazione di un "percorso personalizzato" per
ciascun utente
15/16
GRAZIE!
Quanno se scherza, bisogna èsse seri!
(Alberto Sordi ne “Il Marchese del Grillo”, 1981)
16/16