L`approccio semantico nella raccomandazione di risorse per il
Transcript
L`approccio semantico nella raccomandazione di risorse per il
Invited Papers L’approccio semantico nella raccomandazione di risorse per il turismo culturale Pierpaolo Di Bitonto, Maria Laterza, Teresa Roselli, Veronica Rossano Università degli Studi di Bari “Aldo Moro”, Dipartimento di Informatica - {dibitonto, marialaterza, roselli, rossano}@di.uniba.it Keywords: recommendation systems, cultural heritage tourism, semantic enrichment Negli ultimi anni il settore del turismo è profondamente cambiato. Oggi un gran numero di turisti, piuttosto che rivolgersi agli esperti del settore, usa Internet alla ricerca di destinazioni, itinerari, singoli servizi o pacchetti viaggio preconfezionati. Le tecnologie dell’informazione e della comunicazione assumono, dunque, un ruolo fondamentale nella promozione turistica. In particolare, i sistemi di raccomandazione appaiono interessanti per la loro capacità di offrire all’utente un supporto più adeguato nella scelta dei luoghi da visitare rispetto a quello fornito dai tradizionali motori di ricerca. I sistemi di raccomandazione, infatti, sono in grado di suggerire all’utente un insieme personalizzato di opzioni sulla base delle sue esigenze e preferenze. Ma, come ormai ampiamente riconosciuto dalla letteratura, per tali sistemi la qualità della raccomandazione è strettamente legata alla descrizione delle risorse e degli utenti. Affinché essi possano diventare efficaci strumenti di promozione della conoscenza, della cultura e delle tradizioni di un territorio, for citations: Di Bitonto P., Laterza M., Roselli T., Rossano V. (2012), L’approccio semantico nella raccomandazione di risorse per il turismo culturale, Journal of e-Learning and Knowledge Society (Italian Edition), v.8, n.2, 98-108. ISSN: 1826-6223, e-ISSN:1971-8829 | Journal of e-Learning and Knowledge Society - IT Vol. 8, n. 2, Maggio 2012 (pp. 99 - 108) ISSN: 1826-6223 | eISSN: 1971-8829 | Invited Papers - Vol. 8, n. 2, Maggio 2012 è necessario integrare le descrizioni delle risorse con informazioni semantiche che siano in grado di catturare relazioni tra esse. In questo modo, è possibile arricchire la lista dei suggerimenti con tutte quelle risorse che, pur non essendo esplicitamente collegate alla richiesta dell’utente, hanno una qualche correlazione semantica con quelle incluse nella lista, favorendo la scoperta di nuovi scenari turistici e la diffusione della conoscenza del territorio. In questo contesto, il contributo presenta un approccio di arricchimento semantico per la raccomandazione di risorse culturali. Tale approccio è stato utilizzato per l’arricchimento della lista di raccomandazione di CulTuRek, un sistema che promuove beni culturali materiali ed immateriali del territorio pugliese. 1 Introduzione La quantità di risorse disponibili nel web si moltiplica ogni giorno grazie agli strumenti messi a disposizione dal web 2.0, la cui filosofia è trasformare gli utenti da semplici consumatori a produttori di informazione (Giurgiu, 2008). L’esplosione delle risorse, se da un lato, facilita una diffusione dell’informazione più completa e immediata, dall’altro, amplifica i problemi legati alla ricerca dell’informazione più adeguata alle necessità dell’individuo aumentando il rischio che l’utente si senta frustrato e disorientato durante le operazioni di ricerca. Offrire un supporto adeguato e personalizzato all’utente è, quindi, una delle sfide più interessanti di settori di ricerca come l’Information Retrieval e l’Information Filtering. In particolare, nell’ambito dell’Information Filtering una delle tecnologie ritenute più promettenti nel risolvere il problema dell’overload di informazioni sono i Sistemi di Raccomandazione. Questi sono applicazioni intelligenti in grado di suggerire prodotti, informazioni o servizi più adeguati alle esigenze e preferenze dell’utente sulla base del contenuto della risorsa da suggerire, del profilo dell’utente e, in alcuni casi, del contesto informativo in cui la risorsa può essere efficacemente utilizzata (Baltrunas et al., 2011). Nel dominio del turismo i sistemi di raccomandazione sono particolarmente interessanti perché possono suggerire all’utente un insieme personalizzato di prodotti e servizi turistici sulla base delle sue esigenze e preferenze. Grazie allo sviluppo di numerosi sistemi di raccomandazione (per computer e dispositivi cellulari), che supportano i viaggiatori prima, durante e dopo il viaggio (Ricci & Nguyen, 2006), negli ultimi anni la promozione turistica è profondamente cambiata: il web è diventato la sorgente di informazione più importante in cui ritrovare prodotti e servizi turistici, e i telefoni cellulari sono diventati la piattaforma principale per la ricerca di luoghi da visitare durante il viaggio. Affinché tali sistemi, oltre ad offrire un supporto all’utente nella scelta dei luoghi da visitare, possano promuovere la conoscenza della cultura e delle tradizioni di un territorio, è necessario che integrino tecnologie semantiche in grado di cogliere l’essenza delle risorse al di là della loro forma di rappresentazione e codifica, di valorizzare le diversità e di offrire suggerimenti contestualizzati. 100 Pierpaolo Di Bitonto, Maria Laterza, Teresa Roselli, Veronica Rossano - L’approccio semantico nella raccomandazione di risorse per il turismo culturale Il lavoro illustra l’approccio semantico utilizzato nel sistema di raccomandazione CulTuRek (Di Bitonto et al., 2011a; Di Bitonto et al., 2011b; Laterza, 2012) che suggerisce risorse culturali nell’ambito della pianificazione di viaggi turistici e di istruzione. L’approccio arricchisce l’insieme di risorse da raccomandare con risorse che sono in relazione con quelle che soddisfano esplicitamente la richiesta dell’utente. Uno dei punti di forza dell’approccio è la generalità, ovvero può essere usato per un qualunque tipo di risorsa che sia punto di interesse, servizio turistico o materiale di approfondimento a supporto della visita. Il lavoro si articola come segue: nel secondo paragrafo sono riportati alcuni esempi di uso dell’approccio semantico in sistemi di raccomandazione ed, in particolare, in quelli per il dominio del turismo; nel terzo paragrafo è illustrato un processo di raccomandazione ibrido in cui è usato un approccio semantico per l’arricchimento dell’insieme di raccomandazione; nel quarto paragrafo è presentato l’uso del processo di raccomandazione definito, e quindi dell’approccio semantico, in un sistema di raccomandazione per la promozione del turismo culturale in Puglia. Infine, conclusioni e possibili sviluppi futuri chiudono il lavoro. 2 Stato dell’arte La letteratura offre numerose evidenze sperimentali a sostegno della tesi che l’approccio semantico è particolarmente efficace nei sistemi di raccomandazione. Negli ultimi anni, infatti, sta emergendo una nuova generazione di sistemi che sfruttano le tecnologie del web semantico e del web 2.0 per migliorare le prestazioni computazionali dei metodi di raccomandazione e, dunque, la qualità dei suggerimenti forniti agli utenti. Tali sistemi sono conosciuti come Sistemi di Raccomandazione Semantici e Sociali (Oufaida & Nouali, 2009). In (Szomszor et al., 2007), per esempio, l’uso del tagging collaborativo, ormai noto con il termine folksomies, è utilizzato per arricchire i profili degli utenti e quindi migliorare la raccomandazione. In tal caso, la predizione dell’interesse dell’utente per una risorsa è calcolata usando la similarità semantica tra le nuvole di tag sia dell’utente che degli item da suggerire. In (Baltrunas et al., 2011; Sungrim & Kwon, 2007) l’approccio semantico è utilizzato per la realizzazione di un sistema di raccomandazione sensibile al contesto, che è in grado di adattare la raccomandazione al contesto di interesse dell’utente grazie all’uso di una ontologia multilivello. In altre parole, se durante l’interazione con il sistema l’utente sposta il suo interesse da un contenuto all’altro, grazie all’uso di un’ontologia multilivello il sistema è in grado di adattare la lista dei suggerimenti. In altre ricerche, inoltre, le tecnologie semantiche sono utilizzate per attenuare i problemi di over-specialization tipici dei sistemi content-based. News@hand (Cantador et al., 2008), per esempio, è un sistema di raccomanda- 101 | Invited Papers - Vol. 8, n. 2, Maggio 2012 zione in cui sia le notizie da suggerire che gli utenti sono descritti come concetti di una ontologia e tali descrizioni sono arricchite delle relazioni semantiche tra i concetti. In questo modo, la lista dei suggerimenti è arricchita con risorse che il sistema correla grazie all’uso dell’ontologia e delle relazioni semantiche. Nel dominio del turismo, Compass (COntext-aware Mobile Personal ASSistant) (van Setten et al., 2004) è un sistema di raccomandazione sensibile al contesto che, usando ontologie di dominio, fornisce informazioni e servizi come il suggerimento di compagni di viaggio, che sono più adatti per l’utente, considerando i suoi interessi ed obiettivi di viaggio. Un esempio nell’ambito più specifico del turismo culturale è Art Recommender (Cramer et al., 2008; Wang et al., 2008; Wang et al., 2009), sviluppato nel progetto CHIP (Cultural Heritage Information Personalization) realizzato in collaborazione con il Rijksmuseum di Amsterdam (Olanda). Anche in questo caso, come nel precedente, il processo di raccomandazione usa le relazioni semantiche fra le risorse da raccomandare (dipinti e sculture del museo) per suggerire risorse collegate a quelle per cui l’utente mostra particolare interesse. Ogni opera d’arte è descritta usando un vocabolario basato su una tassonomia standard per la descrizione di questa tipologia di risorse (artista, luogo di realizzazione, tema, ecc.) e il sistema calcola la predizione sul possibile interesse dell’utente per una risorsa usando delle relazioni semantiche che collegano la richiesta formulata dall’utente e le opere da lui ritenute interessanti con tutte le altre opere d’arte catalogate. Analogamente a quanto descritto, il processo di arricchimento semantico, utilizzato nel sistema di raccomandazione per il turismo culturale CulTuRek sviluppato, utilizza le relazioni semantiche tra le risorse catalogate nel sistema per ritrovare i collegamenti tra di esse e fornire una lista di suggerimenti che può favorire la scoperta e l’approfondimento di conoscenze precedentemente inaspettate per l’utente. A differenza delle soluzioni illustrate, CulTuRek utilizza l’approccio sociale del web 2.0 per raccogliere le risorse, consentendo alla comunità di utenti di inserire le risorse e descriverle. Tali descrizioni strutturate sono memorizzate nel metadato che accompagna la risorsa e utilizzate per il calcolo delle relazioni semantiche. Questo nell’ottica di offrire uno strumento di promozione turistica avanzato in cui le relazioni semantiche non sono solo quelle predefinite dalle relazioni sui contenuti della risorsa ma anche quelle che ne derivano dalla descrizione della risorsa inserita dagli utenti. 3 L’approccio semantico nel processo di raccomandazione Il processo di raccomandazione definito ha come obiettivo principale quello di promuovere il turismo culturale di un territorio suggerendo luoghi da visitare, eventi a cui partecipare, frammenti di cultura popolare, e così via. È fondamen- 102 Pierpaolo Di Bitonto, Maria Laterza, Teresa Roselli, Veronica Rossano - L’approccio semantico nella raccomandazione di risorse per il turismo culturale tale, dunque, durante il processo di raccomandazione dare il giusto peso al valore culturale di ogni singolo bene. A tal fine è stato definito un approccio ibrido che è in grado di considerare il contesto culturale ed educativo ai fini della valutazione dell’utilità di un bene da suggerire. Il processo di raccomandazione si compone di tre passi: Selezione, Ordinamento e Arricchimento semantico (Laterza, 2011; Di Bitonto et al., 2011a; Di Bitonto et al., 2011b). L’approccio semantico è utilizzato nell’ultimo passo, ma al fine di rendere chiaro come le relazioni semantiche sono utilizzate è necessario illustrare brevemente l’intero processo di raccomandazione. Il primo passo è quello di Selezione che valuta l’utilità delle risorse in base alle preferenze dell’utente, in termini di obiettivi culturali ed educativi, e alle richieste specifiche del viaggio, come l’area geografica e il periodo del viaggio. La peculiarità della componente è che la ricerca delle risorse da suggerire è effettuata rilassando le condizioni (spazio-tempo) di selezione specificate dall’utente, in maniera da non escludere quelle risorse che potrebbero essere interessanti perché rilevanti per la conoscenza del territorio. Alla selezione delle risorse che soddisfano la richiesta dell’utente segue l’Ordinamento, che ha l’obiettivo di individuare le risorse più adatte (utili) all’utente in base alle opinioni della comunità degli utenti. La peculiarità di questo processo di ordinamento è l’uso allo stesso tempo dei feedback multi-criterio rilasciati dalla comunità di utenti e degli obiettivi dichiarati dall’utente target, in modo da ottenere un ordinamento delle risorse più efficace. I passi di Selezione e Ordinamento sono combinati utilizzando il metodo di ibridazione cascade, ovvero una tecnica di raccomandazione è usata per selezionare in maniera grossolana un primo insieme di risorse e successivamente una seconda tecnica raffina la raccomandazione scegliendo tra l’insieme selezionato precedentemente le risorse più adatte alle richieste (Burke, 2002). Il risultato del primo passo è, dunque, la selezione di un sottoinsieme di risorse che hanno una uguale stima dell’utilità rispetto alla richiesta dell’utente e che soddisfano le sue preferenze. Il sottoinsieme selezionato diventa successivamente l’input per il secondo passo che ha l’obiettivo di ordinare le risorse usando i feedback rilasciati dagli utenti che hanno preferenze simili all’utente corrente. Il risultato di questi due passi è una lista di raccomandazione che risponde alle richieste e caratteristiche dell’utente ma che non tiene conto delle relazioni tra le risorse. Per questo motivo il processo di raccomandazione termina con il passo di Arricchimento Semantico che ha l’obiettivo di individuare quelle risorse che, pur non ricercate esplicitamente dall’utente, hanno delle relazioni semantiche con quelle selezionate dai passi precedenti. Il punto di forza di questo passo è proprio l’uso dell’approccio semantico che consente di includere nell’insieme da raccomandare tutte quelle risorse che potrebbero promuovere l’acquisizione di nuova conoscenza riguardo a uno specifico territorio. L’Arricchimento Semantico e 103 | Invited Papers - Vol. 8, n. 2, Maggio 2012 l’Ordinamento sono combinati utilizzando un metodo di ibridazione mixed, ovvero le raccomandazioni di entrambi i metodi sono presentate insieme. Il risultato di questo passo, dunque, è la selezione di risorse non considerate dal primo passo ma ritenute interessanti per le relazioni semantiche esistenti con le risorse precedentemente selezionate e la loro inclusione nella lista delle raccomandazioni. 3.1 Le relazioni semantiche tra le risorse Nel processo di raccomandazione definito, l’approccio semantico consente di scoprire le relazioni semantiche esistenti tra le risorse dell’insieme iniziale di raccomandazione (a cui è associato il più elevato valore di utilità) e le risorse disponibili nel sistema, al fine di offrire un suggerimento di beni da visitare più completo e favorire l’acquisizione di conoscenza su di essi. Tale approccio è basato sull’assunzione che se due risorse hanno delle proprietà in comune, allora sono correlate. Si considerino, ad esempio, due insiemi di risorse R e S, dove R rappresenta l’insieme delle risorse selezionate dai primi due passi del processo di raccomandazione, e S è l’insieme delle risorse disponibili non ancora prese in considerazione dal processo. Il processo di arricchimento semantico si articola in due passi. In primo luogo, si confrontano le descrizioni di tutte le risorse, ovvero per ogni risorsa r, dell’insieme R, si verifica l’esistenza di una risorsa s, dell’insieme S, che abbia una o più proprietà in comune con essa, e quindi che esista una relazione semantica tra di esse. Ad esempio, due opere realizzate dallo stesso artista. Tutte le risorse dell’insieme S che sono correlate con le risorse dell’insieme R sono aggiunte alla lista di raccomandazione (Figura 1a). Fig.1 - Arricchimento semantico: (a) primo passo e (b) secondo passo Successivamente, l’arricchimento semantico individua le relazioni tra le risorse dell’insieme R confrontando le rispettive descrizioni. In altre parole, per ciascuna coppia di risorse in R verifica che ci siano delle proprietà in comune 104 Pierpaolo Di Bitonto, Maria Laterza, Teresa Roselli, Veronica Rossano - L’approccio semantico nella raccomandazione di risorse per il turismo culturale ed in corrispondenza delle proprietà comuni crea un insieme di proprietà di correlazione. Per ogni insieme di proprietà di correlazione individuato, sono ricercate nell’insieme S risorse che verificano tali proprietà. Anche queste risorse sono considerate semanticamente collegate alle risorse già incluse nella lista di raccomandazione e per questo sono aggiunte ad essa. La figura 1b illustra graficamente il risultato del processo. 4 CulTuRek: un sistema di raccomandazione per promuovere il patrimonio culturale di un territorio L’approccio di arricchimento semantico descritto è stato implementato in un innovativo sistema di raccomandazione: CulTuRek. Il prototipo del sistema, descritto più dettagliatamente in (Laterza, op.cit.; Di Bitonto et al., op. cit.), è in grado di suggerire sia beni tangibili (castelli, musei, chiese, ecc.) che intangibili (festival, eventi religiosi, leggende, tradizioni culinarie, ecc,) ad un turista o ad un insegnante e i suoi studenti che intendono visitare la Puglia e approfondire la conoscenza del suo patrimonio culturale. Ogni risorsa del sistema è descritta dall’utente usando uno schema di metadati che consente di contestualizzare le risorse rispetto alla cultura del territorio (Di Bitonto et al., op.cit.). Per individuare le relazioni tra le risorse, l’approccio di arricchimento semantico confronta i valori dei metadati che descrivono le risorse stesse. In particolare, durante il confronto delle descrizioni delle risorse dei due insiemi (R ed S) si considerano i valori dei metadati che definiscono dipendenze strutturali o di inglobamento tra le risorse. Se tra una risorsa r nella lista di raccomandazione (R), costituita dalle risorse ritenute più utili per l’utente, e una risorsa s nel database del sistema (S) c’è una dipendenza, per esempio una risorsa è parte di un’altra oppure una risorsa è all’interno di un’altra, la risorsa s è aggiunta alla lista di raccomandazione. Prendiamo, per esempio, in considerazione la “Cripta di San Nicola” in provincia di Taranto dove vi è l’affresco del “Cristo Pantocratore”. Tale dipendenza strutturale è descritta nei metadati delle risorse tramite relazioni del tipo “contiene” o “è contenuto”. Supponiamo, che ci sia un utente che intende recarsi a Taranto, che è disposto a spostarsi un po’ di chilometri e che è particolarmente affascinato dal periodo medioevale. Sulla base di queste richieste, la risorsa “Cripta di San Nicola” è selezionata dai primi due passi del processo di raccomandazione, mentre la risorsa “Cristo Pantocratore” è esclusa. La prima fase del processo di arricchimento semantico confrontando le descrizioni delle risorse rileva che esiste una dipendenza tra le due risorse e che la comunità degli utenti ha ritenuto l’affresco un bene imperdibile in una visita alla cripta. L’affresco del “Cristo Pantocratore” è aggiunto quindi alla lista di raccomandazione ed il sistema fornisce all’utente la motivazione della considerazione della risorsa 105 | Invited Papers - Vol. 8, n. 2, Maggio 2012 Nell’esempio, “L’affresco Cristo Pantocratore è all’interno della Cripta di San Nicola”. Il processo di arricchimento continua confrontano le descrizioni delle risorse nella lista di raccomandazione al fine di individuare proprietà in comune a più risorse. In questo caso sono presi in considerazione solo i valori dei metadati Creator, Typology e Original_location e sono confrontati con i valori i metadati di ciascuna risorsa nella lista di raccomandazione (R). Se la lista di raccomandazione contiene la “Cripta di San Nicola” e la “Cripta di S. Angelo”, a Mottola (in provincia di Taranto) e il “Castello di Gioia” a Gioia del Colle (in provincia di Bari), confrontando i valori dei metadati si scopre che i beni culturali nell’insieme: {“Cripta di San Nicola”, “Cripta di S. Angelo”} hanno in comune il valore del metadato Typology = “Cripta ipogea”. Il processo di arricchimento semantico, dunque, selezionerà dall’insieme delle risorse non ancora considerate (S) il bene “Cantina Spagnola” nella vicina città di Laterza che, pur non essendo medioevale, è una struttura ipogea e quindi potrebbe permettere all’utente di conoscere altre strutture ipogee del territorio. Conclusioni e sviluppi futuri Il web è diventato ormai la fonte primaria per la ricerca di soluzioni di viaggio, sia esso fatto per svago, per lavoro o per scopi culturali. La quantità di informazioni e fonti da cui attingere rende, però, la ricerca frustrante perché non sempre si trova quello che si sta cercando. I sistemi di raccomandazione assumono, quindi, un ruolo fondamentale nel processo di selezione della soluzione più adeguata alle specifiche esigenze dell’utente e, in particolare, possono diventare indispensabili nella promozione del turismo culturale. È stato dimostrato che le tecnologie del web semantico aiutano ad arricchire la lista dei suggerimenti con tutte le risorse che, pur non essendo esplicitamente collegate alla richiesta dell’utente, hanno una qualche correlazione semantica con quelle selezionate dal processo di raccomandazione. La soluzione proposta nel contributo va in questa direzione, il processo di raccomandazione definito, oltre ad utilizzare e combinare diverse tecniche di raccomandazione per ottenere un suggerimento ottimale, utilizza l’approccio semantico per estrapolare eventuali relazioni tra le risorse analizzando le descrizioni associate ad esse. In questo modo, il sistema arricchisce l’insieme di raccomandazione con tutte quelle risorse che, pur non rispondendo esattamente alla richiesta dell’utente, hanno delle relazioni semantiche con le risorse selezionate dal processo di raccomandazione. Tale approccio è stato implementato in CulTuRek (Laterza, op.cit.; Di Bitonto et al., op.cit.), un sistema di raccomandazione che suggerisce beni culturali materiali ed immateriali nell’ambito della pianificazione di viaggi turistici e di istruzione in Puglia. In futuro si intende rendere il processo di arricchimento semantico in grado di saper riconoscere sinonimie tra i valori 106 Pierpaolo Di Bitonto, Maria Laterza, Teresa Roselli, Veronica Rossano - L’approccio semantico nella raccomandazione di risorse per il turismo culturale dei metadati così da consentire una selezione delle risorse più adeguata anche in presenza di descrizioni non perfettamente corrispondenti. Ringraziamenti Il presente lavoro è svolto nell’ambito del progetto di Ateneo (ex 60%) “Definizione di un metodo multicriterio per la raccomandazione di risorse nell’ambito dell’e-learning e del turismo”. Si ringrazia lo studente Paolo Vulpi (LS in Informatica) per il contributo dato allo sviluppo della componente dell’arricchimento semantico nel sistema di raccomandazione durante la realizzazione della tesi di laurea. BIBLIOGRAFIA Baltrunas L., Ludwig B., Peer S., Ricci F. (2011), Context relevance assessment and exploitation in mobile recommender systems, Personal and Ubiquitous Computing, June 2011, 1-20. Cramer H., Wielinga B., Ramlal S., Evers V., Rutledge L., Stash N. (2008), The effects of transparency on trust and acceptance in interaction with a content-based art recommender, Journal of User Modelling and User-Adapted Interaction (UMUAI), 18 (5), 324-333. Cantador I., Bellogín A., Castells P. (2008), News@hand: A Semantic Web Approach to Recommending News, in: Nejdl, W., Kay, J., Pu, P., Herder, E. (eds), Adaptive Hypermedia. LNCS 5149, 279–283, Heidelberg, Springer. Di Bitonto P., Laterza M., Roselli T., Rossano V. (2011a), A recommendation system to promote local cultural heritage, Journal of e-Learning and Knowledge Society, English Edition, 7 (3), 97-107. Di Bitonto P., Laterza M., Roselli T., Rossano V. (2011b), Un Sistema di Raccomandazione per il Turismo Educativo, DIDAMATICA 2011 - Informatica per la Didattica, Torino, 4-6 Maggio. Giurgiu G., Barsan G. (2008), The prosumer: Core and consequence of the web 2.0 era, Journal of Social Informatics, 9, 53–59. Oufaida H., Nouali O. (2009), Exploiting Semantic Web Technologies for Recommender Systems A Multi View Recommendation Engine, in: Sarabjot, S. A., Mobasher, B., Kobsa, A., Jannach, D. (eds) Workshop on Intelligent Techniques for Web Personalization & Recommender Systems (ITWP’09), in conjunction with the 21st International Joint Conference on Artificial Intelligence - IJCAI 2009, CEUR-WS. org Proceedings. Laterza M. (2011), A recommendation approach proposal for e-Tourism, Ph.D Research Workshop, in the 18th International Conference on Information Technology and Travel & Tourism (ENTER 2011), 25 January 2011, Innsbruck (Austria). 107 | Invited Papers - Vol. 8, n. 2, Maggio 2012 Ricci F., Nguyen Q.N. (2006), Mobyrek: A conversational recommender system for on-the-move travellers, in: Fesenmaier D.R., Werthner H., Wöber K.W. (eds), Destination Recommendation Systems: Behavioral Foundations and Applications. 281-294, CABI Publishing. Burke R.D. (2002), Hybrid Recommender Systems: Survey and Experiments, User Model. User-Adapt. Interact, 12 (4), 331-370. van Setten M., Pokraev S., Koolwaaij J. (2004), Context-Aware Recommendations in the Mobile Tourist Application COMPASS, In: De Bra, P., Wolfgang, N. (eds), Adaptive Hypermedia and Adaptive Web-Based Systems. LCNS 3137, 235-244, Heidelberg, Springer. Szomszor M., Cattuto C., Alani H., O’Hara K., Baldassarri A., Loreto V., Servedio V.D.P. (2007), Folksonomies, the Semantic Web, and Movie Recommendation, in: proceedings od the 4th European Semantic Web Conference, Bridging the Gap between Semantic Web and Web 2.0, 71-84. Kim S., Kwon J. (2007), Effective Context-aware Recommendation on the Semantic Web, International Journal of Computer Science and Network Security, 7 (8), 154159. Wang Y., Stash N., Aroyo L., Gorgels P., Rutledge L., Schreiber G. (2008), Recommendations Based on Semantically-enriched Museum Collections, Journal of Web Semantics: Semantic Web Challenge, 6 (4), 43-50. Wang Y., Stash N., Aroyo L., Hollink L., Schreiber G. (2009), Semantic Relations in Content-based Recommender Systems. URL: http://www.cs.vu.nl/~guus/papers/ Wang09b.pdf (checked on 30 aprile 2012). 108