ANALISI DELLA LETTERATURA SULLE TECNICHE DI OFFLINE EVALUATION NEI SISTEMI DI RACCOMANDAZIONE SEQUENZIALI

I sistemi di raccomandazione hanno dimostrato un impatto notevole negli ultimi anni e rappresentano un elemento centrale nelle moderne piattaforme Web, soprattutto negli e-commerce,nei servizi streaming e nei social media, permettendo la personalizzazione dell'esperienza dell'utente. A causa di problemi di riproducibilità, legati soprattutto alla scelta nell'utilizzo dei dataset, alle tecniche di filtraggio e di splitting, sorge il problema della Offline Evaluation. Per affrontare questo problema, è stata condotta una revisione della letteratura basata su survey riguardanti i sistemi di raccomandazione sequenziali. Da ciascun articolo analizzato sono state estratte e organizzate informazioni relative alle tecniche di preprocessing utilizzate con l'obiettivo di individuare pratiche comuni,tendenze ricorrenti,nuove direzioni di ricerca e al contempo le principali criticità. I risultati ottenuti sottolineano come la standardizzazione delle tecniche utilizzate migliori notevolmente la riproducibilità degli esperimenti e favorisca lo sviluppo di sistemi di raccomandazione più robusti e confrontabili.