Versione 6.04 (002)

Metadati standard per Sistemi di Raccomandazione interoperabili

Progetto attivo

Il progetto mira alla definizione ed alla implementazione di metadati standard al fine di abilitare l’interoperabilità di molteplici Sistemi di Raccomandazione

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.

Riferimenti

ISO/IEC 21000-22:2016, Information technology — Multimedia framework (MPEG-21) — Part 22: User Description

Paolo Casagranda e Sabino Metta, Leggi questo articolo, una tua amica lo ha trovato interessante. Un’introduzione alle opportunità e criticità dei recommender system per la personalizzazione dei contenuti audiovisivi, Elettronica e Telecomunicazioni, LXV – N. 2/2016

Sabino Metta Paolo Casagranda Alberto Messina Maurizio Montagnuolo e Francesco Russo, Leveraging MPEG-21 User Description for Interoperable Recommender Systems, SAC 2016

Sabino Metta Maurizio Montagnuolo e Alberto Messina, MPEG-21 UD: A SOLUTION FOR HORIZONTAL INTEGRATION OF MEDIA RECOMMENDATION SYSTEMS, IBC 2015

Riccardo Di Massa, Maurizio Montagnuolo, Alberto Messina, Implicit News Recommendation Based on User Interest Models and Multimodal Content Analysis, 3rd ACM Workshop on Automated Information Extraction in Media Production ACM Multimedia 2010

Progetti correlati

Progetto attivo

Sistemi di Raccomandazione per Contenuti Audio e Video

Un'esplorazione delle soluzioni per limitare l'information overload per i media radio televisivi

L’avvento di internet e la proliferazione dei servizi digitali hanno determinato un radicale cambiamento della modalità di fruizione della radio e della televisione. 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 rappresentano la risposta tecnologica alla domanda di rilevanza. 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.

Progetto attivo

La Radio Lineare Personalizzata

La radio personalizzata e il modello Hybrid Content Radio

La Radio Lineare Personalizzata si basa sull’idea di sostituire parte dell’audio della radio lineare con contenuti audio personalizzati, dipendenti dal contesto e dall’utente. I contenuti audio possono essere presi da Internet o da altre fonti. Il contesto può essere il profilo dell’ascoltatore, il suo umore e l’attività che sta svolgendo, la sua posizione, le condizioni meteorologiche e tutti i fattori che contribuiscano a caratterizzare lo stato dell’ascoltatore. L’obiettivo finale del servizio è di migliorare la user experience degli ascoltatori, dando loro contenuti mirati e, al contempo, ottimizzare l’utilizzo delle risorse di rete.