http://www.avic.it/
AVIC è una applicazione che, integrandosi con un motore di ricerca, permette di ottenere una riorganizzazione dei risultati provenienti dalla query eseguita sul motore di ricerca stesso, sulla base del gradimento (implicito e/o esplicito) espresso dalle persone indicate come appartenenti alla rete sociale dell'utente (sia personale, es. facebook, che professionale, es. linkedin, organigramma aziendale, ecc.)
In definitiva, l’applicazione permette di rimodulare il ranking associato ai risultati di una ricerca basandosi sul feedback fornito (implicitamente e/o esplicitamente) dagli utenti appartenenti al proprio social network: i risultati ritenuti validi dagli utenti attendibili verranno privilegiati e quindi mostrati nelle prime posizioni dell’insieme dei risultati totali.
L’obiettivo è quello di ottenere nelle prime posizioni ciò che è veramente interessante per l’utente e non pagine e pagine di “rumore”. Ad es., cercando materiale su “intelligence”, si otterranno prima risultati relativi alla “business intelligence” se la propria rete sociale è principalmente popolata da informatici, mentre se le persone a cui si è collegate si occupano di investigazioni si potranno ottenere prima i risultati relativi all’intelligence come tecnica di investigazione.
AVIC utilizza un motore di ricerca per ottenere i risultati preliminari, (ad es. Google, Fast, Exalead) , per poi riorganizzarli (re-ranking) sulla base di uno specifico algoritmo che permette non solo di portare su o giù le pagine gradite dalla rete sociale, ma anche di identificare chi nella rete sociale è più affidabile, o meno, come fonte di suggerimenti.
Questo fa si che le ricerche raggiungano un elevato grado di personalizzazione, in quanto AVIC, come sistema auto-apprendente, oltre ad imparare a conoscere gli interessi dell’utente che effettua la ricerca, tiene anche conto degli input derivanti dai feedback di gradimento espressi degli utenti “attendibili e vicini” all’utente in questione.
2. A.V.I.C.
E’ un progetto cofinanziato dalla U.E., P.O.R. Sardegna 2000-
2006.
Agente software di re-ranking;
Indipendente dal motore di ricerca e dalla rete;
Implementa algoritmi di feedback impliciti ed espliciti;
Implementa algoritmi di trusting tra utenti;
Incorpora concetti semantici (FOAF).
Ottimo comportamento nelle reti sociali aziendali.
3. Avic
Assistente Virtuale Intelligente Cooperativo
Scopo:
Assistere l’utente nella ricerca di contenuti sul web “raccomandando” i risultati
ritenuti utili utenti “socialmente vicini” all’utente in questione.
Risultato:
L’applicazione permette di
rimodulare il ranking associato ai
risultati di una ricerca basandosi sul
feedback fornito (implicitamente
e/o esplicitamente) dagli utenti
appartenenti al proprio social
network:
i risultati ritenuti validi dagli utenti
attendibili verranno privilegiati e
quindi mostrati nelle prime posizioni
dell’insieme dei risultati totali
4. Rete Sociale
WWW ENTERPRISE PMI
Social Network Organigramma aziendale Assenza di struttura
tradizionale (Facebook, (LDAP, Active Directory). (registrata).
linkedin). Appartenenti alla stessa Rete determinata dai
Molte connessioni area hanno un link contatti della propria
richiedono vincoli diretto. rubrica.
computazionali.
5. A.V.I.C.
Richieste Feedback Impliciti
Risultato ed espliciti
A.V.I.C.
Motore
di
Ricerca
8. A.V.I.C.: Problemi e Soluzioni
Nodi Hub;
Soluzione Trascurati
Nodi Isolati;
Cold Start: Soluzione
Mancanza di Documenti; Lista di Default
Mancanza di Amici; Rete Completa
Intensità del Rapporto
tra Utenti
Affidabilità uno a uno
Soluzione
Clustering
9. A.V.I.C.: Architettura
Plug.in Plug-in
Richieste Feedback Impliciti
Risultato ed espliciti
Elaborazione Gestione
richieste rete Attuazione
provenienti dal sociale processi di
plug-in ragionamento
sulla
rete
Attuazione
tecniche di
A.V.I.C. sociale
elaborazione
Motore Gestione DB
dati
di Risorse associate Semantico
per gestione
Ricerca all’utente Assegnazione
ricerca
utente pesi alle risorse
10. A.V.I.C.: Punti di forza
Algoritmi Innovativi
specializzati su:
Ontologia Originale Individuazione Lista
specializzata su: Amici
Creazione e Calcolo Amici in
manutenzione Comune
rete sociale Calcolo Ranking:
Giudizi su risorse Personale
Personali Sociale
Sociali Calcolo Fiducia tra
Nodi
Livello di Fiducia
Algoritmo Generale
di Ricerca
11. A.V.I.C.: Esempio (Front End)
L’utente “marcolino” esegue
Ricerca il termine: social
il login
Social www.avic.it
Il motore
restituisce i
seguenti
risultati
12. A.V.I.C.: Esempio (Front End)
L’utente “marcolino” decide
di seguire questo link
Social www.avic.it
13. A.V.I.C.: Esempio (Front End)
..utilizza il gladiatore per
Letto il contenuto….
evidenziare il suo interesse
http://en.wikipedia.org/wiki/Social
14. A.V.I.C.: Esempio (Front End)
L’utente “marcolino” decide
poi di seguire questo link
Social www.avic.it
15. A.V.I.C.: Esempio (Front End)
Anche questa volta letto il ..utilizza il gladiatore per
contenuto…. evidenziare il suo interesse
http://www.ssireview.org/
Social www.avic.it
16. A.V.I.C.: Esempio (Back End)
La decisione di
“marcolino”influenza i sui Definendo un “personal rank”
documenti personali
18. A.V.I.C.: Esempio (Back End)
La decisione di “marcolino” ha influenza
Definendo un “social rank”
sui documenti Sociali di “massimino”
19. A.V.I.C.: Esempio (Front End)
L’utente “massimino” esegue
Ricerca il termine: social
il login
Social www.avic.it
Il motore
restituisce i
seguenti
risultati
riorganizzati
20. A.V.I.C.: To Do
Arricchimento della ricerca a partire dalla query:
Semantig Tagging sui documenti sociali
Definizione di distanza semantica tra query e documenti sociali
Integrazione SERP con insieme di documenti sociali semanticamente vicini
Individuazione diegli utenti influencer:
Definizione di utenti particolarmente rappresentativi nella rete
(Influencer)
Classificazione Documenti Sociali
Definizione del concetto di bagagli culturale
Valore del feedback correlato alla distanza ed al bagagli culturale
Ridefinizione delle funzioni di feedback per gli Influencer
Arricchimento della ricerca a partire dai risultati:
Definizione di distanza semantica tra i risultati ed i documenti sociali
Seggerimenti estratti dai risultati sociali in base alla selezione nella SERP
21. Riferimenti
AVIC è un progetto Retis S.p.A.
(cofinanziato dalla U.E., P.O.R. Sardegna 2000-2006)
Responsabili scientifici:
Marco Pirrone
m.pirrone@retis.it
Mob: 348-8867937
Massimo Romano
m.romano@retis.it
Mob. 335-7443828
Editor's Notes
E’ un agente software in grado di riorganizzare il ranking delle pagine ottenute da un qualsiasi motore di ricerca in base al gradimento espresso dagli utenti della propria rete sociale.Indipendente dal motore di ricerca specifico (integra google ed exalead) e dalla specifica implementazione della rete sociale (facebook, myspace, etc.).Implementa algoritmi di feedback espliciti (gladiatore e bookmarking) ed impliciti (tempo di permanenza, numero di accessi, link seguiti, download eseguiti).E’ stata creata una ontologia per la gestione di una rete sociale, inclusi gli aspetti di trust tra persone ed apprezzamento di una risorsa. Ad oggi non ne esiste una in letteratura come quella di AVIC.Il progetto può essere utilizzato anche all’interno di una rete sociale aziendale o in settori verticali (ad es. l’Ordine dei Giornalisti). In questo caso si ottiene il massimo dei benefici; si pensi ad es. ad un gruppo di progettisti che sta lavorando su un nuovo macchinario: chi eseguirà le ricerche dopo che già alcune pagine sono state vagliate, troverà direttamente quelle più promettenti, senza dover fare il lavoro di ricerca delle fonti utili che ci fa perdere la maggior parte del tempo durante la navigazione.
Una parte importante, assolutamente vitale ed innovativa del progetto, è stata la creazione di specifici algoritmi per il calcolo della rete sociale, della fiducia tra utenti, del livello di apprezzamento di una risorsa web.Gli algoritmi creati sono i seguenti:- Algoritmo per la determinazione della lista amici a distanza ≤ R.- Calcolo di amici in comune tra due persone.- Calcolo del ranking “personale” di una risorsa di un nodo- Calcolo del ranking “sociale” di una risorsa di un nodo (rispetto alla propria rete sociale)- Calcolo della fiducia tra due nodi - Algoritmo generale di ricerca L’ultimo (“Algoritmo generale di ricerca”) è il cuore del sistema, ovvero l’algoritmo che modifica il ranking di ricerca di un motore generalista di ricerca (ad es. Google) per portare in evidenza le pagine gradite alla rete sociale della persona ed analogamente abbassare di importanza le pagine poco gradite. Per poter applicare questo algoritmo è necessario conoscere la rete sociale della persona, cosa che si ottiene con il calcolo dell’ “Algoritmo per la determinazione della lista amici a distanza <= R”, dove R è il raggio che vogliamo considerare (con raggio 1, si prendono gli amici diretti di una persona, con raggio 2 sia gli amici diretti che gli amici degli amici e così via).Quanto una pagina sia interessante per la rete sociale viene calcolato sulla base delle pagine gradite/sgradite dagli amici della persona interessata. Non si considerano però tutte le persone allo stesso modo, ma si prendono in considerazione due aspetti di fiducia (trust) uno cosiddetto structural trust che viene calcolato sulla base della topologia della rete sociale, ed uno basato sui feedback che l’utente di cui si sta eseguendo la ricerca dà ai documenti trovati, e che chiamiamo feedback based trust .Il primo trust, strutturale, viene calcolato sulla base del numero di amici in comune, assumendo che avere molti amici in comune aumenta il grado di intimità (e quindi di fiducia) delle persone. Questo calcolo viene eseguito dal “Calcolo di amici in comune tra due persone”.Il “Calcolo della fiducia tra due nodi” prende in considerazione anche il feedback da parte dell’utente, e tracciato tramite il meccanismo del gladiatore (ovvero un segnale esplicito positivo o negativo della pagina, tramite il plug-in installato sul browser). Il “Calcolo del ranking “personale” di una risorsa di un nodo” prende in considerazione quanto un utente ha gradito la pagina (tramite i meccanismi di feedback espliciti ed implici) ; questa informazione ci permette di sapere quanto quella persona (un nodo della rete sociale) abbia gradito una particolare risorsa (una pagina web).Il “Calcolo del ranking ‘sociale’ di una risorsa di un nodo (rispetto alla propria rete sociale)” esegue un passaggio in più, ovvero permette di calcolare il ranking di preferenza delle risorse per la rete sociale a cui una persona (un nodo) appartiene. Ogni persona ha una rete sociale (potenzialmente) diversa dagli altri utenti e quindi questo calcolo è individuale. Sulla base di questo ranking diviene possibile eseguire l’ultimo passaggio, ovvero la ricerca personalizzata.La ricerca personalizzata è quindi una ricerca su un motore generalista la cui posizione è modificata sulla base del ranking sociale della persona che sta cercando. Poiché la persona potrà dare dei feedback, questo ranking potrà cambiare in base ai suoi gusti, modificando anche il livello di fiducia nelle raccomandazioni date dagli “amici” della rete sociale, e quindi il sistema è del tutto adattativo nel tempo.
Quando l’utente esegue una ricerca nel Web, è nostro compito fornire i risultati più inerenti possibili agli interessi dell’utente. A tal fine si rende opportuna un’accurata profilazionedell’individuo. Tale profilazione si intende attuarla sia con meccanismi espliciti e sia con tecniche di profilazioneimplicite.
Quando l’utente esegue una ricerca nel Web, è nostro compito fornire i risultati più inerenti possibili agli interessi dell’utente. A tal fine si rende opportuna un’accurata profilazionedell’individuo. Tale profilazione si intende attuarla sia con meccanismi espliciti e sia con tecniche di profilazioneimplicite.
Quando l’utente esegue una ricerca nel Web, è nostro compito fornire i risultati più inerenti possibili agli interessi dell’utente. A tal fine si rende opportuna un’accurata profilazionedell’individuo. Tale profilazione si intende attuarla sia con meccanismi espliciti e sia con tecniche di profilazioneimplicite.
Quando l’utente esegue una ricerca nel Web, è nostro compito fornire i risultati più inerenti possibili agli interessi dell’utente. A tal fine si rende opportuna un’accurata profilazionedell’individuo. Tale profilazione si intende attuarla sia con meccanismi espliciti e sia con tecniche di profilazioneimplicite.
Quando l’utente esegue una ricerca nel Web, è nostro compito fornire i risultati più inerenti possibili agli interessi dell’utente. A tal fine si rende opportuna un’accurata profilazionedell’individuo. Tale profilazione si intende attuarla sia con meccanismi espliciti e sia con tecniche di profilazioneimplicite.
Quando l’utente esegue una ricerca nel Web, è nostro compito fornire i risultati più inerenti possibili agli interessi dell’utente. A tal fine si rende opportuna un’accurata profilazionedell’individuo. Tale profilazione si intende attuarla sia con meccanismi espliciti e sia con tecniche di profilazioneimplicite.
Quando l’utente esegue una ricerca nel Web, è nostro compito fornire i risultati più inerenti possibili agli interessi dell’utente. A tal fine si rende opportuna un’accurata profilazionedell’individuo. Tale profilazione si intende attuarla sia con meccanismi espliciti e sia con tecniche di profilazioneimplicite.
Quando l’utente esegue una ricerca nel Web, è nostro compito fornire i risultati più inerenti possibili agli interessi dell’utente. A tal fine si rende opportuna un’accurata profilazionedell’individuo. Tale profilazione si intende attuarla sia con meccanismi espliciti e sia con tecniche di profilazioneimplicite.
Quando l’utente esegue una ricerca nel Web, è nostro compito fornire i risultati più inerenti possibili agli interessi dell’utente. A tal fine si rende opportuna un’accurata profilazionedell’individuo. Tale profilazione si intende attuarla sia con meccanismi espliciti e sia con tecniche di profilazioneimplicite.
Quando l’utente esegue una ricerca nel Web, è nostro compito fornire i risultati più inerenti possibili agli interessi dell’utente. A tal fine si rende opportuna un’accurata profilazionedell’individuo. Tale profilazione si intende attuarla sia con meccanismi espliciti e sia con tecniche di profilazioneimplicite.
Quando l’utente esegue una ricerca nel Web, è nostro compito fornire i risultati più inerenti possibili agli interessi dell’utente. A tal fine si rende opportuna un’accurata profilazionedell’individuo. Tale profilazione si intende attuarla sia con meccanismi espliciti e sia con tecniche di profilazioneimplicite.
Quando l’utente esegue una ricerca nel Web, è nostro compito fornire i risultati più inerenti possibili agli interessi dell’utente. A tal fine si rende opportuna un’accurata profilazionedell’individuo. Tale profilazione si intende attuarla sia con meccanismi espliciti e sia con tecniche di profilazioneimplicite.
Quando l’utente esegue una ricerca nel Web, è nostro compito fornire i risultati più inerenti possibili agli interessi dell’utente. A tal fine si rende opportuna un’accurata profilazionedell’individuo. Tale profilazione si intende attuarla sia con meccanismi espliciti e sia con tecniche di profilazioneimplicite.
Quando l’utente esegue una ricerca nel Web, è nostro compito fornire i risultati più inerenti possibili agli interessi dell’utente. A tal fine si rende opportuna un’accurata profilazionedell’individuo. Tale profilazione si intende attuarla sia con meccanismi espliciti e sia con tecniche di profilazioneimplicite.
Quando l’utente esegue una ricerca nel Web, è nostro compito fornire i risultati più inerenti possibili agli interessi dell’utente. A tal fine si rende opportuna un’accurata profilazionedell’individuo. Tale profilazione si intende attuarla sia con meccanismi espliciti e sia con tecniche di profilazioneimplicite.
Quando l’utente esegue una ricerca nel Web, è nostro compito fornire i risultati più inerenti possibili agli interessi dell’utente. A tal fine si rende opportuna un’accurata profilazionedell’individuo. Tale profilazione si intende attuarla sia con meccanismi espliciti e sia con tecniche di profilazioneimplicite.