ELLIOT WEB: POTENZIAMENTO DELL'USABILITÀ CON OTTIMIZZAZIONE FRONTEND, VALIDAZIONE CLIENT E TECNICHE DI WEB SCRAPING PER LA RACCOLTA DI DATI

In the digital age, recommendation systems (RS) have become essential tools for many online platforms, guiding users to personalized content and products. Despite their importance, designing effective RSs presents significant challenges, given the complexity of the algorithms and the need to balance accuracy with other metrics such as novelty and diversity. In response to these challenges, various recommendation frameworks have emerged. “Elliot” stands out as a comprehensive recommendation framework that aims to simplify that process. This thesis focuses on the implementation of a web interface based on "Elliot", designed to make the recommendation system accessible even to non-expert users, mainly relying on the frontend. The work analyzes the implementation challenges and solutions in detail, paying particular attention to the data preparation, the training of new recommendation models and the evaluation phase. A distinctive aspect of this research is also the adoption of web scraping techniques for acquiring data on recommendation models and evaluation metrics directly from Elliot's documentation. The objective is therefore to provide a comprehensive picture of the methodologies, tools and techniques employed, significantly contributing to the emerging field of accessible and intuitive recommender systems.

Nell'era digitale, i sistemi di raccomandazione (RS) sono diventati strumenti essenziali per molte piattaforme online, guidando gli utenti verso contenuti e prodotti personalizzati. Nonostante la loro importanza, la progettazione di RS efficaci presenta sfide significative, data la complessità degli algoritmi e la necessità di bilanciare l'accuratezza con altre metriche come la novità e la diversità. In risposta a queste sfide, sono emersi vari framework di raccomandazione. "Elliot" si distingue come un framework di raccomandazione completo che mira a semplificare tale processo. La presente tesi si focalizza sull'implementazione di un'interfaccia web basata su "Elliot", progettata per rendere il sistema di raccomandazione accessibile anche ad utenti non esperti, basandosi principalmente sul frontend. Il lavoro analizza in dettaglio le sfide e le soluzioni implementative, ponendo particolare attenzione alla preparazione dei dati, all'addestramento di nuovi modelli di raccomandazione e alla fase di valutazione. Un aspetto distintivo di questa ricerca è inoltre l'adozione di tecniche di web scraping per l'acquisizione di dati sui modelli di raccomandazione e sulle metriche di valutazione direttamente dalla documentazione di Elliot. L'obiettivo è quindi quello di fornire un quadro comprensivo delle metodologie, degli strumenti e delle tecniche impiegate, contribuendo significativamente al campo emergente dei sistemi di raccomandazione accessibili e intuitivi.