Uso di ontologie per la profilazione e la raccomandazione in ambito turistico

______________________________________________________________________ 
                                                                                    7 
 
 
Introduzione 
 
L’industria del turismo si attesta come uno dei più grossi settori 
commerciali del nostro periodo. La World Tourism Organization (WTO) 
ha stimato che il fatturato totale del settore per l’anno 2011 è stato di 
circa 740 bilioni di euro, rappresentando circa il 9% del GDP (Global 
Domestic Product) mondiale, con una crescita nel fatturato del 3,8% 
rispetto al 2010 ed un numero totale di pers one occupate nel settore di 
circa 260 milioni. Il numero di turisti per lo stesso anno è stato stimato 
in 980 milioni, con una crescita rispetto al 2010 del 4,6%. Recenti 
proiezioni hanno prospettato un’ulteriore crescita del settore nei 
prossimi anni, stimando che per il 2030 il numero di turisti nel mondo 
potrebbe arrivare ad 1,8 milioni di persone. 
È quindi evidente quanto tale settore sia importante, redditizio, 
vasto e in espansione. Altrettanto evidente è l’influenza che ha avuto 
internet in questo campo. Per Taleb Rifai, segretario della WTO “le 
nuove tecnologie, internet in particolare, sono state un cambiamento 
radicale nel settore turistico”. Internet ha segnato profondamente tale 
mercato, fornendo una grande varierà di servizi direttamente accessibili 
ai turisti per via telematica. Questo ha però portato anche a un aumento 
esponenziale nella quantità di informazioni che un consumatore deve 
assimilare e processare. 
A tal riguardo viene d’aiuto il campo dell’Intelligenza Artifici ale, 
indicando con tale termine quella branca dell’informatica che si occupa 
di rendere i computer abili nello svolgere compiti e ragionamenti tipici 
della mente umana. Attraverso l’Intelligenza Artificiale è possibile
______________________________________________________________________ 
  8 
creare sistemi che assistano i turisti nel processo di scelta di un prodotto 
turistico, che sia a misura delle proprie caratteristiche ed esigenze. 
Tali sistemi prendono il nome di sistemi di raccomandazione e in 
questa tesi si è cercato di crearne uno che fosse in grado di proporre 
suggerimenti di viaggio adeguati ad ogni utente. In particolare, la nostra 
ricerca verrà focalizzata sull’aspetto del turista stesso; quello che si 
vuole è cercare di capire se esiste una relazione tra la natura intrinseca 
di ogni persona e le decisioni che prende, nel nostro caso, applicate al 
campo turistico. Inoltre si vuole verificare se, e come, tale conoscenza 
possa essere tradotta in maniera computabile dall’elaboratore, con il fine 
di poter offrire in maniera automatica dei suggerimenti personalizzati 
basati sulle caratteristiche del singolo utente. 
La tesi è organizzata come segue. Il Capitolo 2 analizza il campo 
dei sistemi di raccomandazione, tracciandone le caratteristiche ed 
analizzando i principali metodi che utilizza. Nel Capitolo 3 vengono 
introdotte le nuove potenzialità fornite dal Semantic Web, con 
particolare riferimento all’uso delle ontologie; contestualmente viene 
fornita anche un’analisi sullo stato dell’arte dei maggiori sistemi di 
raccomandazione turistica basati su ontologie. Il Capitolo 4, invece, 
presenta le principali caratteristiche di SAMOA, il middleware che 
abbiamo scelto di utilizzare per implementare il nostro progetto.  
I Capitoli 5 e 6, invece, presentano rispettivamente una analisi delle 
linee guida e delle scelte progettuali e una panoramica delle scelte 
implementative sui componenti realizzati che sono state effettuate in 
fase di progetto. Il Capitolo 7, infine, trae le conclusioni dal lavoro di 
tesi e presenta alcuni possibili sviluppi futuri.
______________________________________________________________________ 
                                                                                    9 
 
Sistemi di raccomandazione in ambito 
turistico 
 
2.1 Introduzione ai sistemi di raccomandazione 
Per propria natura, il turismo è un prodotto deperibile, complesso 
ed emozionale (Werthner, 2002). È deperibile poiché una camera 
d’albergo non prenotata rappresenta un mancato guadagno. I fornitori di 
servizi turistici si trovano quindi in una s ituazione rischiosa, che può 
essere però ridotta rendendo il fruitore d ei servizi turistici maggiormente 
informato. La complessità del prodotto turistico è causata dal fatto che 
questo è principalmente costituito da una composizione di altri prodotti 
più semplici (quali mezzi di trasporto, alloggi, divertimenti , ecc.) 
aggregati da qualche intermediario. Per supportare questa complessità 
tali prodotti devono avere interfacce ben definite che tengano conto del 
rapporto con il consumatore per quanto riguarda necessità, prezzi e 
canali di distribuzione. In ultimo, il turismo è emozionale per propria 
stessa natura: si fanno viaggi appunto per provare emozioni differenti da 
quella della vita di tutti i giorni. Il turismo è inoltre basato sulla fiducia: 
il turista, per fruire del servizio, deve lasciare la propria vita quotidiana 
ed il proprio ambiente per trasferirsi in uno completamente nuovo a lui 
sconosciuto. 
Gli aspetti che sono appena stati illustrati mostrano l’importanza 
che una corretta informazione e descrizione dei servizi hanno in questo 
campo. Tale importanza è dimostrata anche dal fatto che l’industria del 
turismo è, da sempre, una delle industrie più attente all’utilizzo di nuove 
tecnologie con l’intento di scoprire sempre nuovi canali e metodologie 
innovative con cui proporre viaggi. 
Le nuove tecnologie mettono facilmente a disposizione di tutti una 
grande mole di dati e d’informazioni. Questo è sicuramente un vantaggio 
perché rende il turista maggiormente consapevole di quello che sta
______________________________________________________________________ 
  10 
acquistando e, in particolare, gli permette una grande personalizzazione 
dell’offerta, potendosi interfacciare direttamente agli operatori senza 
ricorrere ad intermediari.  
L’informatizzazione del settore turistico ha inoltre fornito ai 
turisti un nuovo modo di approcciarsi al mondo dei viaggi , cosa che ha 
letteralmente cambiato il modo nel quale proporre prodotti turistici . I 
dati riportano (Carton, 2006) che il 66% degli americani ritiene migliore 
il servizio offerto dai siti di turismo elettronico rispetto alle agenzie di 
viaggio. Per Gretzel (Gretzel U., Yoo K., 2008), durante il processo di 
reperimento informazioni e scelta di un viaggio, il 75% dei turisti 
consulta recensioni online di altri turisti che hanno acquistato o provato 
prodotti simili. È quindi evidente l’impatto enorme che l’utilizzo di tali 
tecnologie ha portato al settore.  
Lo svantaggio di questo approccio è l’immensa mole di dati e 
proposte a cui un consumatore può essere sottoposto, che può rendere 
difficile riuscire a trovare un prodotto che risponda veramente alle 
esigenze personali di ogni utente. Per Wolfe (Wolfe, 2004), infatti, i 
seguenti fattori possono scoraggiare un potenziale turista telematico 
dall’acquisto online di prodotti turistici: la mancanza di un servizio 
personalizzato, dubbi sulla sicurezza, mancanza di esperienza e tempo 
richiesto per compiere una scelta che è giudicato eccessivo. 
I principali problemi evidenziati sono quindi un’eccessiva 
complessità nel ricercare informazioni e un’offerta poco personale, 
dovuto alla grande mole di proposte con cui confrontarsi. Una soluzione 
a entrambi questi problemi è data dai sistemi di raccomandazione. 
I sistemi di raccomandazione sono comunemente defini ti come 
applicazioni che coadiuvano e facilitano l’utente nei propri processi di 
scelta. Essi partono dal presupposto che sia possibile mappare le 
necessità di ogni utente, attraverso algoritmi di raccomandazione 
appropriati, e convertirli in suggerimenti su prodotti o beni utilizzando 
la base di conoscenza inserita nel sistema di raccomandazione. 
La caratteristica principale di tali sistemi è che possono 
personalizzare la propria interazione con ogni singolo utente. La
______________________________________________________________________ 
                                                                                    11 
personalizzazione richiede la progettazione di sistemi che permettano di 
catturare o inferire le preferenze di ogni utente, per poi cercare di 
soddisfarle (Ricken, 2000). I sistemi di raccomandazione assistono così 
il turista nel processo di scelta, non solo riducendone gli sforzi ed i 
tempi decisionali ma al tempo stesso aumentando anche la qualità delle 
loro decisioni (Häubl G., Dellaert B., 2004). 
I sistemi di raccomandazione possono essere applicato in 
innumerevoli contesti e, di fatto, sono già stati utilizzati in molteplici 
domini: per quanto riguarda il campo del commercio elettronico, in 
particolare, si sono rivelati estremamente interessanti. In particolare il 
campo del turismo si è sempre dimostrato molto recettivo alle tecnologie 
all’avanguardia e alle nuove soluzioni (Staab & Werthner, 2002). 
Nel seguito esporremo una rapida introduzione alle principali 
tecniche di raccomandazione e di modellazione dell’utente. Questa 
introduzione si avvale di schemi che mostrano le tecniche che utilizzano 
alcuni famosi sistemi reali di raccomandazione turistica. Una 
catalogazione più precisa può essere trovata nei lavori di Kabassi 
(K.Kabassi, 2010); si noti inoltre che i riferimenti bibliografici per ogni 
sistema citato sono riportati nell’Appendice A di questa tesi, dove è 
anche presente una descrizione più dettagliata delle caratteristiche dei 
singoli sistemi. 
 
2.2 Tecniche di raccomandazione 
Negli ultimi anni sono state proposte molte metodologie differenti 
di raccomandazione, ognuna basata su diverse caratteristiche. Tra tutte 
queste tecniche abbiamo deciso di considerare quelle più comunemente 
utilizzate e di raggrupparle opportunamente in categorie. Secondo 
(G.Adomavicius), i sistemi di raccomandazione possono essere catalogati 
considerando due diverso fattori: 
 Approccio di raccomandazione utilizzato. Nello specifico, si 
distinguono ulteriormente tre principali tipologie di sistemi: 
o Dipendenti dal contesto (content-based),  
o collaborativi,  
o ibridi;
______________________________________________________________________ 
  12 
 
 Tecniche per la valutazione dei risultati. Nello specifico, si 
distinguono due tipi di modello:  
o Euristici, 
o baesiani 
 
Nome Basato su Pro Contro 
Content-based 
Caratteristiche 
dei prodotti 
• Molto efficace in 
ambienti testuali 
• Ha biso gno di 
periodi 
di addestramento 
non molto lunghi 
• E’ in grado da 
subito di fare 
predizioni su nuovi 
oggetti 
• Di difficile 
utilizzo in ambienti 
non testu ali 
• Genera 
racco mand azioni 
ipersp ecializzate 
e prevedibili 
• Racco mandazioni 
poco accurate per 
utenti nuovi 
Collaborativi 
So miglianza tra 
utenti 
• Utilizzabile in 
qualsiasi do minio 
• Racco mandazioni 
Maggio rmente varie 
ed imp revedibili 
• Individua relazioni 
tra individui 
• Problema di cold– 
start 
• Dati in ingresso 
sparsi 
• Banan a problem 
Ibridi 
Co mbinazione tra 
collaborativi e 
content-b ased 
• Co mb ina i vantaggi 
dei metodi content -
based e collaborativi 
• Colma in parte i 
contro dei metodi 
content-b ased 
e collaborativi 
• Maggiore 
co mplessità 
• I pro d ei metodi 
content-b ased e 
collaborativi 
sono meno evidenti 
• I contro non sono 
del tutto eliminati 
Tabella 2.1: Tipologie di approcci alla raccomandazione
______________________________________________________________________ 
                                                                                    13 
La tabella sottostante mostra quali approcci di raccomandazione 
sono utilizzati dai sistemi reali. 
 
Content-based Collaborativi Ibridi 
• CAPA  
• Cyberguide  
• GUIDE system  
• WebGuide 
• Sightseeing4U 
• MastroCARonte  
• CATIS 
• MAIS Project 
• INTRIGUE  
• Gulliver’s  
• Genie MobiDENK  
• PinPoint  
• m-ToGuide prototype • 
Niaraki and Kim  
• PRSET  
• Iwasaki et al.  
• ATA 
• ITR 
• Speta 
• Maw and Naing  
• UMT  
• Soe et al. 
• PTA 
• Entreé  
• Huang and Bian  
• Traveller  
• Travel Planner  
• PTS  
• Hinze and Voisard  
Tabella 2.2: Sistemi di raccomandazione divisi in base al tipo di 
raccomandazione utilizzato 
 
Per quanto concerne i metodi con cui tali sistemi forniscono i 
propri suggerimenti, si possono distinguere tre differenti modalità: 
 
 Pull information model. Per ricevere il suggerimento, 
l’utente deve esplicitamente richiederlo al sistema tramite 
una query e specificando i parametri della ricerca, 
 
 Push information model. L’utente riceve automaticamente i 
suggerimenti dal sistema in base alle informazioni che 
specificato nel proprio profilo; in questo caso, l’utente è 
sgravato di ogni compito, 
 
 Ibrido. È una combinazione dei due modelli precedenti.