I tuoi post sui social media rivelano molto su di te. I ricercatori di KAUST hanno sviluppato un modello computazionale dinamico in grado di analizzare i tweet per identificare gli interessi degli utenti di Twitter e tenere traccia dei cambiamenti nel tempo. "Capire l'evoluzione degli interessi degli utenti significa che possiamo raggrupparli di conseguenza e consigliare amici, notizia, eventi e altri servizi, " dice Xiangliang Zhang che ha guidato la ricerca presso KAUST.

La creazione di modelli informatici in grado di identificare gli interessi in evoluzione di una persona dai suoi post sui social media è un problema multiforme. La prima sfida è capire il significato del testo pubblicato, un'area di ricerca nota come Natural Language Processing (NLP). "L'obiettivo della PNL è rendere i computer intelligenti quanto gli esseri umani nella comprensione del linguaggio, " Dice Zhang. "È uno dei compiti più impegnativi dell'IA, "aggiunge.

I modelli di PNL basati su regole non hanno avuto molto successo nell'interpretare la sfumatura del linguaggio nel modo in cui gli umani usano le parole in modi diversi e creativi, tale che il significato delle parole può spesso essere fortemente dipendente dal contesto. Un approccio alternativo consiste nell'applicare l'apprendimento automatico per rappresentare le parole in uno spazio semantico, dove le parole semanticamente correlate, ad esempio, Parigi, Pechino e Riyadh sono mappate a stretto contatto.

Per identificare gli interessi degli utenti di Twitter analizzando i loro tweet, la sfida principale è caratterizzare i singoli utenti con le loro parole chiave più importanti. Zhang e il suo team hanno creato un modello di incorporamento in cui le parole e gli utenti vengono gestiti insieme. "Abbiamo creato un modello di utente dinamico e incorporamento di parole in grado di apprendere congiuntamente e dinamicamente rappresentazioni di utenti e parole nello stesso spazio semantico, " dice Zhang.

I ricercatori hanno migliorato l'output del modello sviluppando e incorporando un componente di diversificazione delle parole chiave in streaming, che può identificare le parole chiave strettamente correlate e rimuovere le voci ridondanti dall'elenco delle parole chiave in alto. Il modello risultante può catturare una vasta gamma di interessi per ciascun utente e adattarsi ai loro interessi in evoluzione nel tempo.

Quando il team ha testato il proprio modello su una serie di tweet, è stato un miglioramento significativo rispetto agli approcci precedenti, dice Zhang. "Il nostro modello supera in modo significativo molti modelli di profilazione degli utenti all'avanguardia". Il team ha già prodotto una nuova iterazione del loro approccio al modello di incorporamento, lei aggiunge, in cui vengono catturate anche le relazioni utente-utente per iniziare a identificare gli interessi che gli utenti hanno in comune. "Il prossimo modello sarà più avanzato e costruirà vettori dinamici di co-incorporamento che catturano contemporaneamente la vicinanza sociale utente-utente e la pertinenza dell'attributo utente, " dice Zhang.