L’adozione di tecnologie semantiche sui Social Networks

Le reti sociali o social networks, che dir si voglia, non sono di certo un concetto nuovo per quanto concerne almeno la sociologia. L’importanza e la forza delle reti sociali venne scoperta negli anni ’60 del secolo scorso da Milgram. Egli condusse degli esperimenti che portarono alla definizione del concetto di “small world” e dei famosi sei gradi di separazione. Allora l’esperimento fu condotto tra 100 persone sparse negli Stati Uniti d’America chiedendo loro di recapitare a una sola persona delle lettere. L’aspetto interessante dell’esperimento era dovuto al modo in cui tale corrispondenza doveva essere recapitata. Essa doveva transitare solo attraverso persone conosciute e questo, in pratica, le avrebbe rese nodi della rete sociale.

L’esperimento fu dimostrato nel 1998 da Watts e Stogatz, i quali confermarono la teoria dei “sei gradi di separazione”. Il numero medio di salti per percorrere il diametro di una rete sociale (che è anche una rete complessa) è pari a 6. Questo è possibile per mezzo di link “lunghi” tra nodi della rete sociale che consentono di abbattere le distanze nella rete stessa.

Le caratteristiche di una rete sociale possono essere sfruttate al fine di accumulare informazioni sulle persone, ma si possono anche sfruttare dei meccanismi per la categorizzazione dei dati. Si possono dunque sfruttare le SN al fine di fornire e confermare il significato di una data asserzione e dare così una connotazione all’informazione, quale essa sia.

Le reti sociali sono clusterizzate, ci sono nodi della rete in cui si accentrano molti collegamenti (pensiamo per esempio ad un politico o ad un VIP). I link di queste reti seguono una distribuzione del tipo D-r, con D che rappresenta la distanza tra gli individui (omofilia). La probabilità che due individui distanti D abbiano una relazione diminuisce come D-r. Le reti sociali hanno un valore di r ottimo (pari a 2). Il fatto che il valore di r sia proprio l’ottimo conferma che la struttura di una rete sociale raggiunge l’ordine a partire dal caso. Questo concetto può dunque essere applicato ad un sistema di diffusione dell’informazione.

La descrizione di tali reti, degli elementi che le compongono, delle caratteristiche intrinseche sarebbe allora auspicabile che fosse eseguita con delle tecnologie semantiche. Le persone, i loro link, i loro interessi, la loro vita, ecc. potrebbero dunque trovare un posto all’interno di un grafo che le possa definire e dar loro un significato preciso, processabile dalle macchine. Questo è un primo passo verso lo sfruttamento di quei meccanismi di tali reti, utili poi alla comprensione di informazione di varia natura.

La profilazione degli individui è già in corso da anni e i due attori principali attualmente in gioco sono sicuramente Google e Facebook. Entrambi hanno come obiettivo il profitto legato alle informazioni sui propri utenti, in modi parzialmente diversi. Una volta fatta una profilazione accurata il secondo step, attuato da entrambi i suddetti, è quello di categorizzare a vari livelli l’informazione che viene canalizzata tramite i network sociali, o tramite la rete in genere. I servizi di Google, tramite le API liberamente fornite, possono penetrare in qualsiasi sito ed aiutare il motore di ricerca a “capire” la bontà di un dato contenuto. Si aggiunge così un layer per la verifica dei contenuti, prima legata soltanto al numero di link in una rete complessa.

Il filtro sociale non fa altro che dare un’enorme spinta in avanti all’indicizzazione dei contenuti. Possiamo dunque fornire un indice di gradimento e una misura della “bontà” dei contenuti che possiamo trovare in rete. Le persone, riconosciute e categorizzate anch’esse, faranno da giudici ai contenuti, ma lo faranno in un rapporto di subordinazione rispetto alle regole che governano le reti sociali.

012 effect: la probabilità di adottare un’innovazione, qualora due amici l’avessero già fatto, è molto maggiore nel caso in cui ad adottare il nuovo comportamento sia stato soltanto uno solo a farlo. Questo effetto è però limitato da quello che viene definito come diminishing return, che prevede che l’effetto 012 ad un certo punto va a regime e il condizionamento espresso dalla società che ci circonda non ha più effetto su di noi.

Si ha dunque un meccanismo epidemico (il social contagion) per lo spread dell’informazione in una SN. A questo punto possiamo dunque pensare di fornire un senso all’informazione fornendo uno strumento di giudizio integrato ad ogni contenuto sparso in rete.

Il passo successivo sarà una descrizione migliore dei contenuti tramite micro-tags, cosa già in atto, e infine una descrizione molto più accurata che fornisca degli standard di descrizione come RDFa. A quel punto la ricerca inizierà davvero a rispondere a delle domande precise degli utenti e non si limiterà più ad una mera ricerca della frequenza di determinate parole nel database del motore di ricerca.

tags Tags: ,
categorieCategorie: Internet

Forge Of Empires Italia

Comments are closed.