Analisi e sviluppo di metodi di crawling, summarization, sentiment analysis e data visualization per un reccomendation system

Fin dall’antichità la reputazione è sempre stata sinonimo di potere ed eleganza, nella prima era moderna le grandi marche se la sono costruita basando i loro prodotti sulla qualità, sul pensiero e sull’uso e consumo da parte della gente dell’epoca. Oggi, nel ventunesimo secolo, nell’era dei “social network” dove lo scambio di informazioni è veloce e in scala mondiale, la reputazione è diventata un fattore indispensabile per un’azienda che vuol primeggiare sulla concorrenza fornendo sempre al cliente il meglio e ciò che il cliente cerca. In particolare, con la diffusione del commercio online è diventata pratica comune che i venditori di prodotti e servizi sul web chiedano ai propri clienti di rilasciare una recensione sulla qualità del bene acquistato. La diffusione dei siti web 2.0 ha causato un notevole aumento di recensioni, opinioni, ecc. e questi contenuti testuali generati dagli utenti costituiscono un metro di giudizio importante sia per le aziende, che su di essi basano importanti decisioni, sia per altri utenti, che vorrebbero avvalersi di queste informazioni per scegliere, ad esempio, quale prodotto acquistare o quale località visitare. Il problema di questo fenomeno è che è spesso infattibile leggere esaustivamente tutte le opinioni relative ad un prodotto o servizio e gli utenti sono costretti ad ignorare una discreta quantità di informazioni. Negli ultimi anni sono state proposte diverse tecniche di summarization, sentiment analysis e visualization per ovviare a questo problema in diversi ambiti commerciali. In questa tesi si presenta OwlAdvisor, un prototipo di applicazione mobile collegato ad un crawler che offre strumenti di visualizzazione e di sintesi al fine di fornire all’utente informazioni condivise da altri utenti, sia partendo da dati espliciti, sia analizzando opinioni testuali, partendo appunto da recensioni pubblicate in 3 grandi portali di Reviews: Booking.com, TripAdvisor.com e Expedia.com Questo prototipo si pone le seguenti finalità: 1. Recuperare automaticamente le recensioni partendo da delle ricerche specifiche 2. Analizzare Sintatticamente i dati così ottenuti per garantire dati puliti e precisi 3. sintetizzare le informazioni contenute nelle recensioni per facilitare l’accesso e la comprensione di tali informazioni, anche con l’ausilio di tecniche di visualization 4. costruire un sistema di valutazione degli hotel basato sulle informazioni contenute nelle recensioni, e non nelle valutazioni numeriche 5. raccomandare all’utente gli hotel più adatti in base a determinati requisiti.