Expert finding in social networks

While search systems are efficient means to access world-wide information, people tend to put more trust in people than in automated responses. Search engines strive to capture such aspects of the user needs as subjective opinions, or information that require domain specific expertise. “CrowdSearching” is an emerging approach for information retrieval that aims to bridge the gap between search engines and the knowledge and opinions of informed crowds. CrowdSearcher involves in the search process networks of trusted users, assigning to them search-oriented, human computation tasks. In this context, emerges the need to select those users having the knowledge required to execute specific assignments, or to answer specific queries. This thesis is focused on the expert finding problem for CrowdSearcher tasks: given a natural language query and a set of social network users, which is the best subset of users that have the knowledge required to perform the CrowdSearcher’s tasks? We define a set of techniques for expertise retrieval in social networks, proposing a formalization of the problem that considers and evaluates a social network both as a source of expertise information and as a route to reach expert users. An extensive set of experiments showed that the analysis of social activities, as well as the usage of semantic annotation techniques, can help improving the performance of an expert finding system.

Nonostante gli attuali sistemi di ricerca siano strumenti efficienti per accedere una considerevole quantità di informazioni, le persone continuano a riporre maggiore fiducia in altre persone, piuttosto che in risposte automatiche. I motori di ricerca si impegnano sempre più a catturare, tra i bisogni degli utenti, quegli aspetti come opinioni soggettive o informazioni che richiedono la conoscenza specifica di un dominio. “CrowdSearching” è un nuovo approccio all’information retrieval che mira a colmare il vuoto tra i motori di ricerca e la conoscenza e le opinioni degli utenti. CrowdSearcher coinvolge nel processo reti di utenti fidati, assegnando loro compiti correlati alla ricerca. In questo contesto è emersa la necessità di individuare gli utenti che abbiano conoscenze sufficienti ad eseguire particolari incarichi o rispondere a specifiche domande. Questa tesi si concentra sul problema dell’expert finding, all’interno dei processi di CrowdSearcher: data una domanda in linguaggio naturale e un insieme di utenti iscritti a vari social network, qual è il sottoinsieme più indicato a completare determinati compiti? Per far fronte a questa necessità, definiamo modelli e tecniche per la ricerca automatica di esperti all’interno dei social network, proponendo una formalizzazione del problema che considera e valuta i social network sia come una sorgente di informazioni sulle conoscenze degli utenti, sia come un mezzo per raggiungerli. Un considerevole numero di esperimenti ha mostrato che l’analisi dell’ attività sociale, cosi come l’utilizzo di tecniche di annotazione semantica, può migliorare le performance di un sistema di expert finding.