Un sistema di raccomandazione mobile contestuale nell’era dei Linked Data

7 Introduzione Introduzione Visualizzare sul proprio cellulare i trailer e le informazioni di film, che potrebbero essere di nostro gradimento, in programmazione nelle vicinanze, con relative informazioni sulla posizione del cinema, e magari poter contattare telefonicamente il cinema per prenotare un posto o conoscere i luoghi di interesse in prossimità, sono scenari che fino a qualche anno fa erano soltanto frutto dell’immaginazione di qualche regista di film fanta-scientifici. Oggigiorno, invece, questo è uno scenario reale, frutto delle stravolgenti innovazioni tecnologiche nel campo dei dispositivi mobili. Attraverso tali innovazioni, infatti, è possibile avere conoscenza real-time del contesto in cui si trova l’utente permettendo di offrire una vasta gamma di servizi fortemente personalizzati. Inoltre, attraverso sistemi di supporto alla decisione e di information discovery, noti come Sistemi di Raccomandazione, è possibile suggerire all'utente azioni da compiere davanti ad un vasto numero di possibili scelte in maniera del tutto personale. Come detto in precedenza lo scenario ipotizzato è di reale implementazione, infatti, nel lavoro di tesi svolto, si è, proprio, realizzato un Sistema di Raccomandazione Contestuale per dispositivi mobili che trae beneficio dall'utilizzo di dati semantici presenti nella Linked Data Cloud. Si è ampliato un lavoro precedente [27], in cui si è provata l’efficacia dell’utilizzo di tecnologie semantiche applicate ai sistemi di raccomandazione, andando ad aggiungere informazioni di contesto alle raccomandazioni in modo da creare raccomandazioni piø utili ed intelligenti. Sono passati piø di dieci anni da quando Tim Berners-Lee, direttore del WWW Consortium (W3C) e ideatore dell’Internet moderno, ha proposto la sua visione del web del futuro. Il Semantic Web, descritto nel Capitolo 2, si propone come una vera e propria innovazione promettendo ricerche piø efficaci di contenuti e servizi, fruizione piø semplice e veloce dei servizi offerti, agenti intelligenti in grado di automatizzare i compiti piø frequenti, software che “ragionano” su informazioni proprie del livello concettuale umano, tutto questo senza che sia necessario uno stravolgimento dello spazio virtuale presente, ma semplicemente una sua riorganizzazione semantica. Il Web semantico, quindi, ha l’obiettivo di definire il modo di pubblicare informazioni in forma semantica e rendere queste informazioni dati, tutto ciò è possibile grazie al Linked Data (Capitolo 3), esso stesso parte del Web semantico, che definisce il modo di connettere tra loro questi dati attraverso l’uso di link. Secondo questa nuova visione della rete è possibile, quindi, interrogare il “nuovo” Web, composto di dati, per recuperare qualsiasi tipo di informazioni derivanti dalle piø diverse fonti , in modo mirato e sfruttare tali informazioni proficuamente in svariati settori in cui è fondamentale avere la conoscenza di un set di dati ristretto e rispondente ad una precisa interrogazione come per i sistemi di raccomandazione I sistemi di raccomandazione, descritti in dettaglio nel Capitolo 4, sono applicazioni che tentano di suggerire oggetti di interesse per l’utente (film, canzoni, libri, notizie, pagine web...), basandosi su alcune informazioni di profilo. Una classe particolare di sistemi di raccomandazione va sotto il nome di collaborative filtering. I sistemi di raccomandazione appartenenti a questa famiglia (sistemi collaborativi) combinano le informazioni fornite dagli utenti (es. i voti assegnati ad un insieme di oggetti), con dati raccolti implicitamente (es. gli oggetti comprati in passato). Questi dati sono confrontati con dati simili appartenenti ad altri utenti, e viene generata una lista di oggetti da raccomandare. Un altro tipo di implementazione (sistemi content-