user_mobilelogo

Logo Delphi

Scenario

La diffusione globale dell'information technology e della popolarità dei contenuti digitali permettono agli utenti di disporre di media e contenuti digitali in ogni contesto, incluso l'e-Commerce. 
Questa nuova opportunità pone nuove problematiche di gestione e organizzazione delle informazioni e degli asset multimediali e spinge alla ricerca di nuove soluzioni per migliorare la User Experience in questo settore. 
I sistemi di raccomandazione risultano di grande importanza in uno scenario in cui interattività, segnalazioni e recensioni risultano fattori determinanti. Il merito di sistemi di tipo "recommendation" è quello di fornire agli utenti strumenti personalizzati di consultazione degli item prima di procedere alla fase di acquisto.

Generalità

Cuma è un servizio di raccomandazione e segnalazione (recommendation systemstudiato per piattaforme e-commerce.
I recommendation systems forniscono agli utenti strumenti di segnalazione personalizzati basati su algoritmi relativi ai propri interessi, e di conseguenza ai possibili articoli verso i quali si è interessati all'acquisto. I consigli vengono formulati combinando informazioni assunte sulla base delle abitudini di acquisto e navigazione degli articoli.
Cuma consiglia e segnala articoli generici sia agli utenti profilati che agli utenti non profilati. La piattaforma sceglie di volta in volta quali sono gli articoli che potrebbero incrociare i bisogni potenziali dell'utenza.

Basic features

La piattaforma è composta da una serie di servizi disegnati e sviluppati in logica architetturale service-oriented. Essa offre un range di servizi e un orchestrator (Recommendation Strategy Advisor) che rende il sistema indipendente rispetto al dominio applicativo.
Il sistema è inoltre ottimizzato per operare in ogni condizione di popolamento del database. In particolare, Cuma integra e rielabora i processi elaborativi in maniera veloce anche in presenza di grandi quantità di dati, anche frequentemente aggiornati.

Alcuni dei servizi/funzionalità offerti da Cuma:

    • knowledge based recommendation services | Servizi basati su metodi inferenziali e profilazione utente. Tali servizi consentono all'utente di visualizzare segnalazioni calibrate sulla specificità del singolo dominio applicativo. Nello specifico, vengono incrociati dati relativi al dominio applicativo e a bisogni e preferenze dell'utente, fornendo alla raccomandazione forme e rappresentazioni desiderate;
    • utility based recommendation services | Servizi basati su meccanismi di valutazione dell'utilità di un item in relazione ai bisogni specifici dell'utente. Tali meccanismi non costruiscono stereotipi generalizzati di utente, ma elaborano preferenze uniche specifiche basate sulla coppia utilità dell'item / bisogni dell'utente. Il concetto di utilità si basa su calcoli derivati dai dati del profilo utente;
    • profit based recommendation services Servizi che aggiungono al calcolo il fattore della redditività di un singolo item in relazione alle esigenze di profitto del provider. La segnalazione deve tener conto dell'affidabilità del sistema di segnalazione agli occhi dell'utente, nonostante l'aspetto della redditività; 
    • collaborative filtering (CF) services| Meccanismi di valutazione e generazione di segnalazioni che tengono conto dei dati storici di consultazione di prodotti dei clienti e dei dati storici di interesse suscitati dai singoli prodotti. I CF aggregano recensioni e segnalazioni per un articolo specifico e individuano le correlazioni fra utenti basate sulle recensioni assegnate. Le segnalazioni, in questo caso, scaturiscono fra raffronti e analogie fra i vari utenti. Questo tipo di filtro si basa sull'assunto che due utenti che generano recensioni simili abbiano gusti simili. 
      I servizi CF sono suddivisi in due sottocategorie principali:
      - Memory-based, che lavorano sullo "storico" degli utenti per elaborare previsioni, utilizzando il principio degli "utenti affini";
      - Model-based, che operano su modelli che sfruttano tecniche di apprendimento che includono reti neurali e bayesiane e teniche di indicizzazione semantiche.  
      The CF identifica gli utenti affini ad altri per suggerire a questi ultimi articoli recensiti positivamente dai primi. Questi algoritmi risultano inefficaci quando si hanno pochi dati a disposizione per elaborare la previsione. Questo scenario, definito cold start, è superato da Cuma con l'adozione di strumenti correttivi operati dalla componente Advisor.

Advanced Features

Oltre ai servizi descritti finora, Cuma offre una gamma di servizi per la gestione del rapporto della domanda e dell'offerta, scalabile e adattabile al dominio applicativi. Questi servizi sono basati su cosiddette "schede conoscenza" (knowledge cards) rappresentate da ontologie in grado di consentire la creazione di segnalazioni adattabili e scalabili in relazione a specifiche tipologie di utenti e di prodotti (items).

In Cuma vi è anche una forma di matchmaking semantico tra le richieste degli utenti e le offerte attraverso l'uso di ontologie. Anche in questo caso l'algoritmo implementato ha valenza di carattere generale e così è completamente indipendente dallo specifico dominio applicativo. Più in particolare, il servizio sviluppato esegue matchmaking semantico tra domanda e offerta, sia B2B che B2C in modo scalabile, con l'aggiunta di knowledge cards di dominio e metadatazione standard.

La piattaforma Cuma è stata migliorata da funzionalità utilizzabili in svariati settori come quello delle piattaforme di community (social) o portali di informazione multi-canale, in cui l'obiettivo di ricerca degli utenti non è rappresentato da prodotti che acquistano, ma piuttosto da contenuti informativi ricercati a fini di consultazione.

Architecture

Il framework Recommender consiste in un set di servizi e un orchestrator. Il sistema interagisce con la piattaforma esterna di e-Commerce attraverso web-service. Il framework si dota inoltre di una componente di sincronizzazione dati per mantenere la base dati costantemente allineata con quella dell'e-Commerce. 

цена ноутбукапарка фотолобановский александр