L’avvento di internet e la proliferazione dei servizi digitali hanno determinato un radicale cambiamento della modalità di fruizione televisiva. La miriade di prodotti, servizi e contenuti disponibili su Internet ha abituato i suoi utenti all’interattività, alla possibilità di ricercare e scegliere quando e quale contenuto multimediale fruire, trasformando il tradizionale ‘ascoltatore’ televisivo in un attivo ‘consumatore’ in grado di esprimere i propri gusti e le proprie preferenze. Paradossalmente, la grande quantità di contenuti disponibili ha creato un sovraccarico informativo e reso centrale il problema di trovare i più adatti all’utente.

I Recommender System (RS) rappresentano la risposta tecnologica alla domanda di rilevanza. A titolo esemplificativo, basta dare uno sguardo a quanto fatto da alcuni importanti ‘attori’ commerciali: Netflix, per il video streaming, Spotify, per lo streaming di musica, Amazon.com, per l’e-commerce. La European Broadcasting Union (EBU) ha riconosciuto il ruolo chiave delle raccomandazioni nella personalizzazione dei contenuti radiotelevisivi, ed ha creato il gruppo EBU RecSys. Tale gruppo sta da qualche tempo lavorando allo sviluppo e l’evoluzione di un motore di raccomandazione reale, sviluppato partendo da componenti open source. In questo contesto, il broadcaster ha l’opportunità di far evolvere il proprio paradigma comunicativo: oltre a diffondere i propri contenuti, può proporre all’utente i più rilevanti.

I Recommender Systems (RS) comprendono tecniche e strumenti software in grado di suggerire all’utente gli oggetti più rilevanti tra i tanti a disposizione, e sono stati creati con lo scopo di aiutare a ridurre il sovraccarico informativo. In un RS, il contenuto più rilevante per un determinato utente viene inferito sulla base dei dati a disposizione ed attraverso l’implementazione di specifiche logiche. Quanto appena descritto evidenzia l’esistenza di differenti algoritmi di raccomandazione (collaborative-filtering, content-based filering, hybrid, knowledgge-based, etc). Non esiste a priori il ‘migliore’ sistema di raccomandazione perchè, per costruzione, ciascuno di essi ha dei vantaggi e dei limiti.

Per questo motivo, al fine di raccomandare all’utente il contenuto per lui sempre di maggiore rilevanza, un editore può decidere di affidarsi contemporaneamente a molteplici sistemi utilizzando quello che ritiene più opportuno in base alle caratteristiche del sistema stesso. A questo punto è chiara la necessità di gestire correttamente l’interscambio di metadati relativi ai contenuti, all’utente ed al particolare tipo di raccomandazione. Da qui la necessità di un formato standard di metadati in grado di assicurare una interoperabilità tra diversi sistemi di raccomandazione. Tra i vari standard di metadati (già disponibili o ancora in fase di sviluppo) il progetto concentra la propria attenzione sullo standard MPEG-21 User Description il cui rilascio ha visto negli ultimi anni il Centro Ricerche come uno dei principali contributori.