(Fake)ReviewsAnalysisSoBigDataday,EUI,Florence

October11,2017

MarinellaPetrocchiIIT-CNRTrustworthyandSecureFutureInternet

*  ProvinceofLucca*  Hotels,Restaurants,Attractions*  Booking–Tripadvisor*  >300,000reviews*  >155,018uniquereviewers

Datasets

Geo-Distribution

Reviewsovertime

Comparisonamongplatforms

Itineraries

World

*  NewYork*  Singapore*  …*  Lucca*  ...*  Tokyo*  Sidney

Specificterritory

*  StMichaelsquare*  Amphitheatre*  Thewalls*  …*  Filllungostreet*  ....

Fake Content

Fake reviews

Text-scoreDisagreement

Tripadvisormorethan350khotelreviewsNewYork,Rome,RioDeJaneiro,Tokyo,Paris

MichelaFazzolari,VittoriaCozza,MarinellaPetrocchi,AngeloSpognardiAStudyontext-scoredisagreementinonlinereviewsSpringerCognitiveComputation,9(5),2017

Thanksagain!

Falsi followers

Falsi followers

Bolle d’informazione

LA NOSTRA IDEA

Progettazione e implementazione di un

FILTRO per MOTORI di RICERCA e SOCIAL MEDIA

centrato sulla persona:

MY Information Bubble

1. PERSONALIZZAZIONE DINAMICA: SI ai MIEI interessi, ADESSO

3. AFFIDABILITA: SI a informazione SFRONDATA da FALSI

2. CONSAPEVOLEZZA: NO a FILTRI attuati A PRIORI da altri

*  Studi su recommender systems che esaltano uno tra questi fattori: Accuratezza, Diversità, Novità, “Serendipità”… *  sono per lo piu’ “Ad Hoc” (e.g., music recommendation) *  …la misura della CONSAPEVOLEZZA e la FUSIONE

delle varie dimensioni?

*  Esistono classificatori per rilevamento di: *  SPAM su social media (≠ FAKE) *  false recensioni (eg: Sentiment Analysis), ma…. *  GAP tra accademia e principali piattaforme sociali!

MIB: cosa esiste adesso?

*  Fornisce uno strumento FACILE e INTUITIVO per CREARE e PERSONALIZZARE dinamicamente il filtro

*  Crea CONSAPEVOLEZZA sull’esistenza e l’attuazione di filtri automatici in rete, imposti a priori

*  ELIMINA dalla ricerca le informazioni FALSE

MIB: che c'è di nuovo?

Nuovo! Nieuwe! New! Nouveau! Neu! Nuevo!

“In today’s social media world, FOLLOWERS equal POWER. At the very least, they imply IMPORTANCE”

In Progress Expertise

*  SOCIALE: l’utente acquista coscienza critica su informazioni reperibili e su dinamiche di potere online

*  ECONOMICO: il fake detector e’ arbitro per le transazioni commerciali “pulite” = TUTELA dei diritti del consumatore

*  TECNOLOGICO: il progresso della tecnica non al servizio di “ciò che si vuole mostrare agli utenti” bensì di “ciò che vogliono”

*  SCIENTIFICO: pubblicazioni su riviste di eccellente valore e visibilità internazionale

MIB: che impatto ha?

IL PIANO DELLE ATTIVITA

*  Task 1. Abbattimento delle Filter Bubbles attuali

*  Task 2. Individuazione dei falsi

*  Task 3. Realizzazione e validazione della MY INFORMATION BUBBLE

TASK 1

*  Studio delle tecniche di filtraggio implementate correntemente *  Studio delle politiche di privacy vigenti *  Percezione degli utenti sui filtri *  Operazione di reverse engineering per annullare

l’effetto dei filtri

TASK 2

*  Studio delle tecniche di fake detection correntemente definite e/o implementate *  Definizione e validazione di nuove tecniche di

fake detection *  Realizzazione del “Fake Detector Engine”,

rilevatore di fake multipiattaforma

TASK 3

*  Implementazione della MY INFORMATION BUBBLE (= collettore d’informazioni NON filtrante a priori + Fake Detector Engine + Dinamicita’ del perimetro della bolla) *  Rilascio del prototipo e del kit informativo per

gli utenti *  Validazione del prototipo mediante questionari e

sessioni di utilizzo assistite

PianoEconomico

Definizione Costo

Costodelpersonale 104k(2assegnidiricercaper2anni)*

Spesetrasferteepubblicazioni 10k

Attrezzaturahardwareesoftware 8k

Scuoladidottorato 6k

Comunicazioneonline 1k

Costototale 129k

*risultatoprincipalealloscaderedei2anni:prototipofunzionantesuGoogle

IlGruppodiRicerca

Marinella Petrocchi IIT CNR

Angelo Spognardi IIT CNR

Mauro Conti Università di Padova

Maurizio Tesconi IIT CNR

Roberto Di Pietro Università Roma Tre

Gabriele Lenzini Universitee Luxembourg