DOTTORATO IN NUOVE TECNOLOGIE E INFORMAZIONE TERRITORIO E AMBIENTE – VINCENZO GIANNOTTI
predicted to best match their interests. Tese predictions were made using two methods for describing technical interests; one based on sets of keywords that the employees provided, and the other using feedback about previous abstracts they found relevant. Two information retrieval methods were tested to make the predictions, one using standard keyword matching, and the other using Latent Semantic Indexing (LSI). All four methods efectively selected relevant abstracts. Te best method for fltering used LSI with feedback about previous relevant abstracts. Feedback using previous relevant abstracts provided an efficient and simple way of modeling people's interests. Overall, the fltering methods show promise for presenting personalized information.”31 I sistemi di questo tipo erano chiamati di “collaborative fltering” (il primo fu Tapestry, un sistema di filtraggio delle e-mail sviluppato alla Xerox di Palo Alto in California) in quanto adottavano delle tecniche di filtraggio dell'informazione basate sulla somiglianza degli utenti. L’utilizzo del termine “Recommender System”, fu invece proposto da Paul Resnick (AT&T Labs) e Hal Varian (Università della California) in un loro articolo del 1997: “The developers of the frst recommender system, Tapestry, coined the phrase “collaborative fltering” and several others have adopted it. We prefer the more general term “recommender system” for two reasons. First, recommenders may not explictly collaborate with recipients, who may be unknown to each other. Second, recommendations may suggest particularly interesting items, in addition to indicating those that should be fltered out.” Negli ultimi anni l'interesse per i sistemi di raccomandazione è enormemente cresciuto e oggigiorno il loro studio e il loro impiego viene considerato imprescindibile se si vuole competere nel campo del commercio elettronico e nello sviluppo di servizi web. Giusto per fare un paio di esempi noti a tutti, e che possiamo facilmente verificare, Google e Amazon hanno sviluppato dei sistemi di raccomandazione molto sofisticati e potenti che considerano non solo i nostri interessi resi in forma esplicita, ma una serie molto ampia di strumenti di profilazione 31 Personalized Information Delivery: An Analysis of Information Filtering Methods - Peter W. Foltz, Susan T. Dumais Communications of the ACM, 35(12), 51-60, 1992.
75