______________________________________________________________________
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.