I provider televisivi che offrono servizi IPTV e Video on Demand presentano ormai cataloghi con migliaia di film e programmi televisivi. Di conseguenza molto contenuti sono poco visibili e la ricerca da parte dell'utente di materiale interessante è difficoltosa. In aggiunta, il tipo di interazione dell'utente con il sistema IPTV è tipicamente effettuata tramite telecomando e presenta evidenti limitazioni. Per questo motivo diversi provider stanno integrando, nella piattaforma IPTV, un sistema di raccomandazione in grado di fornire agli utenti delle liste di contenuti personalizzati in base alle loro preferenze. Tali liste di raccomandazione possono variare, anche notevolmente, tra le varie sessioni di interazione dell'utente con il sistema. Questa dinamicità, se eccessiva, porta l'utente a perdere fiducia verso il sistema, pensando addirittura che gli vengano consigliati dei film casualmente. In questa tesi viene (i) analizzata la dinamicità delle liste di raccomandazione basandosi su due dataset reali e (ii) viene presentato un possibile metodo di correzione della dinamicità per controllare variazioni.
Analisi e correzione dell'eccessiva dinamicità delle liste di raccomandazione
ZOCCA, MARTINO ANGELO;RESTELLI, MATTEO LUIGI
2009/2010
Abstract
I provider televisivi che offrono servizi IPTV e Video on Demand presentano ormai cataloghi con migliaia di film e programmi televisivi. Di conseguenza molto contenuti sono poco visibili e la ricerca da parte dell'utente di materiale interessante è difficoltosa. In aggiunta, il tipo di interazione dell'utente con il sistema IPTV è tipicamente effettuata tramite telecomando e presenta evidenti limitazioni. Per questo motivo diversi provider stanno integrando, nella piattaforma IPTV, un sistema di raccomandazione in grado di fornire agli utenti delle liste di contenuti personalizzati in base alle loro preferenze. Tali liste di raccomandazione possono variare, anche notevolmente, tra le varie sessioni di interazione dell'utente con il sistema. Questa dinamicità, se eccessiva, porta l'utente a perdere fiducia verso il sistema, pensando addirittura che gli vengano consigliati dei film casualmente. In questa tesi viene (i) analizzata la dinamicità delle liste di raccomandazione basandosi su due dataset reali e (ii) viene presentato un possibile metodo di correzione della dinamicità per controllare variazioni.File | Dimensione | Formato | |
---|---|---|---|
2010_07_Zocca_Restelli.pdf
accessibile in internet per tutti
Descrizione: Testo della tesi
Dimensione
2.32 MB
Formato
Adobe PDF
|
2.32 MB | Adobe PDF | Visualizza/Apri |
I documenti in POLITesi sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.
https://hdl.handle.net/10589/2272