Ricerca | Progetti

SOCIAL MEDIA ANALYSIS PER LA SCOPERTA DI COMPORTAMENTI RICORRENTI E CONTRASTARE LA DIFFUSIONE DI MISINFORMATION

Oggigiorno, la maggior parte della popolazione mondiale connessa a Internet ha almeno un profilo social. La gente utilizza i social media per condividere con i loro amici gusti, opinioni, idee e così via. Per questo, l’esplosione dei social media ha dato luogo alla disponibilità di flussi di dati “live” che opportunamente analizzati attiverebbero numerose opportunità. L'elaborazione dei flussi di dati sociali è una delle principali sfide in questa era dei Big Data e ha un valore strategico per le aziende in termini di migliori strategie di marketing, profilazione utente/consumatore, pubblicità mirata etc.La proposta si focalizza sulle sfide emergenti relativamente alla definizione di metodologie, architetture e algoritmi per supportare l’elaborazione di questi flussi di dati live. Allo stato dell’arte si rileva la necessità di definire approcci per il knowledge mining per analizzare dati non strutturati che vanno oltre i metadati esplicitamente disponibili. Inoltre, la disponibilità massiva di tali dati dinamici evidenzia l’esigenza di elaborare analisi e ricerche in real-time mediante l’uso di algoritmi di machine-learning online ed adattivi. Attraverso tali algoritmi si intende trovare relazioni tra i dati ed i comportamenti degli utenti legati al tempo in cui avvengono tali comportamenti, o meglio alla finestra temporale in cui occorrono. In tale maniera si vogliono ottenere dei profili degli utenti aderenti il più possibile alla realtà. Tale aderenza offre quindi la possibilità di verificare la correttezza o meno delle informazioni circolanti sui social ed in generale sulla rete.In particolare, la proposta prevede l’esecuzione delle seguenti attività di ricerca:- Studio, analisi, definizione e sperimentazione comparativa di tecniche di analisi delle informazioni condivise su social media per l’implementazione di servizi di recommendation o la definizione di servizi di social media marketing;- Studio, analisi, definizione e sperimentazione comparativa di tecniche di information filtering e summarization di messaggi condivisi su social network considerando contemporaneamente il tempo e la semantica dei messaggi condivisi;- Studio, analisi, definizione e sperimentazione comparativa di tecniche di information ranking e filtering considerando gli interessi degli utenti, le loro attività sociali, la qualità e la rilevanza dei contenuti condivisi, etc;- Studio, analisi, definizione e sperimentazione comparativa di tecniche di Sentiment Analysis per individuare strategie opportune di marketing, recomemndation, etc. analizzando gli aspetti positivi e negativi dei contenuti condivisi;- Studio, analisi, definizione e sperimentazione comparativa di tecniche per individuare e limitare il proliferare incontrollato di informazioni false (misinformation) nei social networks.Dal punto di vista applicativo, il progetto prevede di sperimentare, validare e valutare i risultati ottenuti in scenari reali di forte interesse per il gruppo di ricerca. In particolare, metodologie e modelli a supporto di scenari di Business Intelligence, Market Intelligence. Analisi delle principali sfide recenti in ambito scientifico per i servizi di social analytics e conseguente definizione di algoritmi mirati a garantire la gestione e supportare con maggiore agilità il controllo e l’esplorazione (nonché il retrieval) di informazioni scambiate mediante social media. Applicazioni di sistemi di recommendation a supporto delle campagne elettorali e pubblicitarie personalizzate. Dal punto di vista tecnologico saranno impiegate principalmente tecnologie open source per l’acquisizione, lo storage, la manutenzione, l’elaborazione dei data stream, quali: Apache SolR, Apache Storm, Spark e Spark Streaming; e per l’apprendimento DeepLearning4J, Theano, TensorFlow, etc.