IIT Home Page CNR Home Page

Regional project Modelli e Metodi per Filtraggio di Revisioni Online (MyChoice)

Contraente: CNR

Tipo: Progetto nazionale

Lo sviluppo di nuove tecnologie e infrastrutture telematiche rende disponibile online una gran quantità di prodotti e servizi. Per identificare il servizio che meglio soddisfa i propri bisogni, gli utenti sono spesso supportati da un sistema di recensioni. In particolare, viene offerta la possibilità agli utenti di un servizio di pubblicare online il proprio grado di soddisfazione, testuale o con valore numerico. Tuttavia, una recensione è per sua natura influenzata da preferenze personali. Ad esempio, nel giudicare un albergo, una famiglia con bambini piccoli può considerare più importante la pulizia delle camere rispetto alla connessione ad Internet. Questi semplici esempi rivelano il rischio di affidarsi incondizionatamente a recensioni arbitrarie. A questo aspetto si aggiunge la pratica disonesta, testimoniata da recenti studi sociologici, di inserire intenzionalmente recensioni false, al mero scopo di pubblicizzare (o screditare) un servizio o il suo fornitore. In altri casi, invece, valutazioni errate da parte di taluni utenti potrebbero condizionare la scelta di nuovi utenti. Infine, l’elevato numero di scelte e valutazioni disponibili rende difficile un’analisi esclusivamente “manuale” della bontà del servizio offerto.

 

Un possibile modo per indirizzare il problema dell’affidabilità delle recensioni è cercare una “affinità” tra la moltitudine di revisioni disponibili, mitigando il rischio che futuri consumatori possano scegliere prodotti non soddisfacenti. L'obiettivo di MYChoice è dunque fornire un sistema di “ranking” delle recensioni online, al fine di identificare e scartare con maggiore probabilità le recensioni false o fuorvianti, in quanto distanti dalla maggioranza delle revisioni disponibili. Attraverso l’analisi del parere aggregato di molte tipologie di persone, è possibile identificare le recensioni più rappresentative del reale valore del servizio, riducendo il rischio di considerazioni errate da parte dei nuovi utenti. Per far questo, si studieranno tecniche di data mining per l’identificazione automatica o semi-automatica delle recensioni postate da utenti non onesti. Inoltre, si studierà l’applicazione di tecniche di decision making per l’identificazione e la prioritizzazione di quei fattori che influenzano maggiormente le valutazione. Appositi strumenti di filtraggio, pesatura, e selezione dinamica di revisioni saranno oggetto di studio e realizzazione prototipale. 

 

Website: http://mib.projects.iit.cnr.it/mychoice.html

 

09-2017

Partecipanti:

Angelo Spognardi

Foto di Angelo Spognardi
Partecipanti Esterni: Roberto Di Pietro Nokia Bell Labs, Alessandro Colantonio Bay31
Dal 01/11/2012 al 31/10/2014

Note: Progetto finanziato da Regione Toscana, Bay31, Istituto di Informatica e Telematica CNR, nell'ambito del Programma operativo regionale Competitività e Occupazione (Por Cro) del Fondo Sociale Europeo 2007-2013