Questo sito utilizza cookie di terze parti per inviarti pubblicità in linea con le tue preferenze. Se vuoi saperne di più clicca QUI 
Chiudendo questo banner, scorrendo questa pagina, cliccando su un link o proseguendo la navigazione in altra maniera, acconsenti all'uso dei cookie. OK

Tecniche di Explicit Semantic Analysis per l'arricchimento di documenti attraverso concetti di Wikipedia

L'obiettivo di questa tesi è verificare se l'arricchimento di documenti attraverso l'infusione di conoscenza ottenuta grazie all'utilizzo di concetti estratti da Wikipedia è in grado di migliorare le prestazioni di un recommender bayesiano.

Mostra/Nascondi contenuto.
Introduzione Domanda: Cosa vi piace di Last.fm, perché lo usate? Risposta 1: Io lo uso perché in base ai miei gusti mi fa conoscere altri gruppi simili e poi ho la possibilità di conoscere persone con gusti simili ai miei! Risposta 2: Ho scoperto gruppi e cantanti nuovi, e mi sono appassionato a nuovi generi musicali. Questo breve dialogo, estrapolato dal forum di Last.fm, descrive l’utilità dei Recommender Systems argomento su cui è incentrata questa tesi. Last.fm è un social network musicale che usa un sistema di raccomandazione, Audioscrobbler, per costruire un profilo dettagliato di ogni utente sulla base della musica ascoltata. I sistemi di raccomandazione sono quei sistemi che producono dei suggerimenti o che hanno l'obiettivo di guidare l'utente verso contenuti per lui di maggiore interesse. A tal proposito si utilizza il termine raccomandazione personalizzata basata sul contenuto quando, per migliorare la qualità della raccomandazione di un dato item, ci si basa sulle descrizioni associate a quest'ultimo (content) e si utilizzano informazioni riguardanti gli interessi e i gusti (profilo) dell'utente. Dal dialogo precedente emergono due concetti chiave dei Recommender Systems quali la similarità dell’item suggerito all’utente in base alla musica ascoltata, ma anche la conoscenza di utenti con gusti simili e la scoperta di gruppi e cantanti di nuovi generi musicali. Il confronto tra le caratteristiche dell'item e le preferenze dell'utente potrebbe aiutare a predire se l’utente sia interessato o meno all'item da lui non ancora conosciuto. 7

Laurea liv.II (specialistica)

Facoltà: Scienze Matematiche, Fisiche e Naturali

Autore: Vincenzo Picariello Contatta »

Composta da 84 pagine.

 

Questa tesi ha raggiunto 749 click dal 19/01/2011.

Disponibile in PDF, la consultazione è esclusivamente in formato digitale.