Co-clustering TripAdvisor data for personalised recommendations = Co-clustering di dati TripAdvisor per un sistema di raccomandazioni personalizzato

TripAdvisor is one of the largest travel websites. Among the provided services, it aids users with suggestions about attractions, accommodations, restaurants, etc., based on a wide system of reviews. In fact, users looking for suggestions shall sort through opinions posted by any kind of other users, possibly with different preferences and travelling behaviour. The aim of this work is to provide a personalized recommendation system to integrate the TripAdvisor services, based on the identification of similar travel products rated by similar users. Some alternative models of co-clustering are considered, to handle user rates in the form of ordinal data, and to account for missing values, due to the intrinsic fact that each user rates only a small subset of the considered travel products. Possible extensions are discussed to include additional information in the model, based on products and users characteristics

TripAdvisor e una delle più grandi piattaforme web dedicate al turismo. Tra i servizi offerti, il più noto è quello di fornire consigli di viaggio basati sulla valutazione delle attrazioni turistiche, hotel, e ristoranti, da parte degli utenti. Tuttavia, i viaggiatori alla ricerca di suggerimenti devono districarsi tra opinioni fornite da ogni tipologia di utente, con preferenze ed abitudini di viaggio anche molto diverse. L’obiettivo di questo lavoro e quello di fornire un sistema di raccomandazioni personalizzato ad integrazione di quello fornito da TripAdvisor. Si considerano alcuni modelli di co-clustering volti a gestire le valutazioni degli utenti nella forma di dati ordinali tenendo conto al tempo stesso della presenza di dati mancanti, problema intrinseco legato alla tendenza del singolo utente a recensire solo un esiguo sottoinsieme di prodotti turistici tra quelli disponibili. Vengono inoltre discusse possibili estensioni dei modelli, finalizzate a includere ulteriori informazioni riguardo alle caratteristiche dei prodotti recensiti e degli utenti