Design and Evaluation of Joint Information Retrieval and Recommender Systems

Information Retrieval (IR) and Recommender Systems (RecSys) represent two fields of research that are constantly growing since the necessity to satisfy user’s information needs in large collections of documents and resources is becoming more and more important. IR and RecSys traditionally are two separate fields and two distinct kind of systems. In this thesis, we explore how IR and RecSys can be joint together in order to better address users’ information needs. In particular, we studied the literature of this innovative field, with a major focus on the current state-of-the-art framework that is the Unified Information Access (UIA) framework and we understood the major issues related to this domain. To do this, we reproduced the work related to the UIA framework, we tested UIA to seek for potential problems in terms of architecture and/or dataset pre-processing and we performed several experiments, adapting and modifying the system, to give a proof of the found issues or to understand if we could improve its performance.

L’Information Retrieval (IR) e i Recommender Systems (RecSys) rappresentano due ambiti di ricerca in costante crescita in quanto la necessità di soddisfare il bisogno degli utenti di trovare informazioni in grandi collezioni di documenti e risorse sta diventando sempre più importante. Tradizionalmente, l’IR e i RecSys corrispondono a due ambiti separati e a due tipi di sistemi distinti. In questa tesi, si esplora come l’IR e i RecSys possono essere combinati in modo da soddisfare più efficacemente i bisogni dell’utente. In particolare, abbiamo studiato la letteratura riguardante questo ambito innovativo, focalizzandoci principalmente sul sistema che attualmente è considerato essere lo stato dell’arte, ovvero lo Unified Information Access (UIA) framework e abbiamo capito i problemi e le mancanze principali di questo dominio. Per fare tutto questo abbiamo riprodotto il lavoro riguardante l’UIA framework, abbiamo testato il sistema per trovare eventuali problemi in termini di architettura e/o di manipolazione dei dataset e abbiamo svolto vari esperimenti, adattando e modificando il sistema, per fornire una dimostrazione dei problemi trovati o per capire se potevamo migliorare le sue prestazioni.