(Fake)ReviewsAnalysisSoBigDataday,EUI,Florence
October11,2017
MarinellaPetrocchiIIT-CNRTrustworthyandSecureFutureInternet
* ProvinceofLucca* Hotels,Restaurants,Attractions* Booking–Tripadvisor* >300,000reviews* >155,018uniquereviewers
Datasets
Geo-Distribution
Reviewsovertime
Comparisonamongplatforms
Itineraries
World
* NewYork* Singapore* …* Lucca* ...* Tokyo* Sidney
Specificterritory
* StMichaelsquare* Amphitheatre* Thewalls* …* Filllungostreet* ....
Fake Content
Fake reviews
Text-scoreDisagreement
Tripadvisormorethan350khotelreviewsNewYork,Rome,RioDeJaneiro,Tokyo,Paris
MichelaFazzolari,VittoriaCozza,MarinellaPetrocchi,AngeloSpognardiAStudyontext-scoredisagreementinonlinereviewsSpringerCognitiveComputation,9(5),2017
Thanksagain!
Falsi followers
Falsi followers
Bolle d’informazione
LA NOSTRA IDEA
Progettazione e implementazione di un
FILTRO per MOTORI di RICERCA e SOCIAL MEDIA
centrato sulla persona:
MY Information Bubble
1. PERSONALIZZAZIONE DINAMICA: SI ai MIEI interessi, ADESSO
3. AFFIDABILITA: SI a informazione SFRONDATA da FALSI
2. CONSAPEVOLEZZA: NO a FILTRI attuati A PRIORI da altri
* Studi su recommender systems che esaltano uno tra questi fattori: Accuratezza, Diversità, Novità, “Serendipità”… * sono per lo piu’ “Ad Hoc” (e.g., music recommendation) * …la misura della CONSAPEVOLEZZA e la FUSIONE
delle varie dimensioni?
* Esistono classificatori per rilevamento di: * SPAM su social media (≠ FAKE) * false recensioni (eg: Sentiment Analysis), ma…. * GAP tra accademia e principali piattaforme sociali!
MIB: cosa esiste adesso?
* Fornisce uno strumento FACILE e INTUITIVO per CREARE e PERSONALIZZARE dinamicamente il filtro
* Crea CONSAPEVOLEZZA sull’esistenza e l’attuazione di filtri automatici in rete, imposti a priori
* ELIMINA dalla ricerca le informazioni FALSE
MIB: che c'è di nuovo?
Nuovo! Nieuwe! New! Nouveau! Neu! Nuevo!
“In today’s social media world, FOLLOWERS equal POWER. At the very least, they imply IMPORTANCE”
In Progress Expertise
* SOCIALE: l’utente acquista coscienza critica su informazioni reperibili e su dinamiche di potere online
* ECONOMICO: il fake detector e’ arbitro per le transazioni commerciali “pulite” = TUTELA dei diritti del consumatore
* TECNOLOGICO: il progresso della tecnica non al servizio di “ciò che si vuole mostrare agli utenti” bensì di “ciò che vogliono”
* SCIENTIFICO: pubblicazioni su riviste di eccellente valore e visibilità internazionale
MIB: che impatto ha?
IL PIANO DELLE ATTIVITA
* Task 1. Abbattimento delle Filter Bubbles attuali
* Task 2. Individuazione dei falsi
* Task 3. Realizzazione e validazione della MY INFORMATION BUBBLE
TASK 1
* Studio delle tecniche di filtraggio implementate correntemente * Studio delle politiche di privacy vigenti * Percezione degli utenti sui filtri * Operazione di reverse engineering per annullare
l’effetto dei filtri
TASK 2
* Studio delle tecniche di fake detection correntemente definite e/o implementate * Definizione e validazione di nuove tecniche di
fake detection * Realizzazione del “Fake Detector Engine”,
rilevatore di fake multipiattaforma
TASK 3
* Implementazione della MY INFORMATION BUBBLE (= collettore d’informazioni NON filtrante a priori + Fake Detector Engine + Dinamicita’ del perimetro della bolla) * Rilascio del prototipo e del kit informativo per
gli utenti * Validazione del prototipo mediante questionari e
sessioni di utilizzo assistite
PianoEconomico
Definizione Costo
Costodelpersonale 104k(2assegnidiricercaper2anni)*
Spesetrasferteepubblicazioni 10k
Attrezzaturahardwareesoftware 8k
Scuoladidottorato 6k
Comunicazioneonline 1k
Costototale 129k
*risultatoprincipalealloscaderedei2anni:prototipofunzionantesuGoogle
IlGruppodiRicerca
Marinella Petrocchi IIT CNR
Angelo Spognardi IIT CNR
Mauro Conti Università di Padova
Maurizio Tesconi IIT CNR
Roberto Di Pietro Università Roma Tre
Gabriele Lenzini Universitee Luxembourg
Top Related