Sviluppo di un sistema di raccomandazione non personalizzato per prodotti = Development of a non-personalised recommendation system for products

Sviluppo di un sistema di raccomandazione non personalizzato per prodotti I sistemi di raccomandazione rappresentano un’importante base tecnologica per molte piattaforme informatiche. Con l’avvento dei servizi di streaming e di acquisti online, la possibilità di poter dare suggerimenti all’utente finale è diventata basilare per conseguire migliori risultati in tutti i settori. I diversi sistemi di raccomandazione si possono dividere principalmente in due categorie fondamentali: personalizzati e non personalizzati. Per quanto riguarda la raccomandazione personalizzata, questa si fonda sulla possibilità di immagazzinare le preferenze dell’utente, analizzando le sue interazioni con la piattaforma. La raccomandazione non personalizzata, trattata in questa tesi Magistrale, è un sistema che non consiglia qualcosa di specifico all’utente, ma crea una raccomandazione generica valida per tutti gli utenti. Questo perché non vengono raccolte informazioni di interesse da un singolo utente, ma da tutti quelli che interagiscono con la piattaforma. Alla base dei sistemi di raccomandazione, vi sono i processi ETL, ovvero dei procedimenti fondamentali per le applicazioni moderne, che permettono di estrarre, trasformare, pulire e caricare i dati su database. Alla luce della considerazione di cui sopra, questa tesi Magistrale ha l’obbiettivo di creare un sistema di raccomandazione non personalizzato basato sullo score e sulla popolarità degli oggetti per la piattaforma www.techobattles.com . L’obbiettivo iniziale di questo lavoro può essere ricondotto alla trasformazione dei dati presenti su database. Il db gestito tramite MongoDB contiene le diverse collezioni che forniscono i dati al sito. Il primo obbiettivo è stato trasformare le specifiche presenti negli oggetti. Attraverso diversi processi di duplicazione e successiva trasformazione delle specifiche è stato possibile definire, all’interno degli oggetti, una versione non testuale, ma numerica o booleana, delle specifiche. Queste specifiche costituiscono una parte fondamentale del lavoro, ovvero sono utili al calcolo degli score per il sistema di raccomandazione. Di fatto per calcolare lo score vengono prese le specifiche, selezionate antecedentemente, e viene calcolato il punteggio finale di ogni singolo oggetto analizzato, in base al valore che la specifica ha in quell'oggetto. Lo score viene quindi calcolato partendo dalle specifiche dei singoli oggetti e non valutando come l'utente interagisce con la piattaforma nella ricerca dei prodotti. Questo perché nella piattaforma non esiste la possibilità di creare un profilo utente e quindi la raccomandazione rimane la più generica possibile. Un altro sistema di raccomandazione, implementato nella piattaforma, è quello definito dalla popolarità dell’oggetto. La popolarità viene gestita mensilmente, calcolando all'inizio di ogni mese i valori di popolarità ottenuti nel mese precedente verificando il numero di click ricevuti, e considerando anche le popolarità ottenute dei mesi precedenti, utilizzando una funzione di decadimento esponenziale. Questo sistema, sviluppato nella sua interezza, è testato ad ogni accesso direttamente su internet, in quanto tutti questi elementi sono disponibili sul sito www.techobattles.com citato precedentemente.