DARWIN newsletter 2024.09.02

Il progetto Darwin ha raggiunto il completamento degli obiettivi realizzativi OR1 “D2D communication system over UHS and 5G network for enriched web navigation” e OR2 “Research and development of ML and NLP algorithms for straight-to-process anriched web content proposition”.

In particolare, per OR1: Sistema di comunicazione device-to-device (D2D)
È stato sviluppato e approfondito un sistema di comunicazione D2D per la navigazione web arricchita, tenendo conto delle caratteristiche delle reti ultraveloci e 5G (bassa latenza e ampia banda). È stato definito lo stato dell’arte dei protocolli D2D e sono stati individuati scenari d’uso e requisiti di progettazione per un nuovo protocollo D2D che garantisca funzionalità straight-to-process (STP) e integri moduli di sicurezza. Si è considerata l’evoluzione della navigazione web e l’integrazione con dispositivi interattivi e wearable, proponendo un’esperienza utente continua e fluida anche per utenti con bisogni speciali, sfruttando le Human Language Technologies (HLT). Il prototipo D2D sarà sviluppato per ottimizzare l’allocazione delle risorse e ridurre le perturbazioni, con un approccio gestionale agile e fasi di test in ambiente interno e di produzione. Sono stati definiti i test preliminari e di dettaglio per la validazione del prototipo, con l’obiettivo di ottimizzare le performance.

In particolare, per OR2: Algoritmi di Machine Learning (ML) e Natural Language Processing (NLP)
Questo modulo ha progettato algoritmi di Machine Learning supervisionato (sML) e Natural Language Processing (NLP) per l’analisi della navigazione web e la proposizione di contenuti arricchiti su un secondo dispositivo, con attenzione alla funzionalità STP. È stato individuato lo stato dell’arte degli algoritmi ML per la profilazione e raccomandazione, e dei metodi NLP per la predizione delle preferenze di contenuto, considerando diverse tecniche di personalizzazione (collaborative filtering, demografiche, content-based, utility-based, knowledge-based e ibride). L’obiettivo è estrarre informazioni utili dai contenuti testuali tramite NLP per costruire profili di preferenze con costi implementativi ridotti, in un sistema a doppio stadio di elaborazione. Lo sviluppo degli algoritmi ML-NLP tiene conto della qualità del servizio, dei tempi di elaborazione e del rispetto del GDPR. Si è valutata l’applicazione di paradigmi di edge computing mobile e cloud-edge computing per gestire le risorse computazionali e i dati, considerando le sfide della profilazione utente e le necessità di addestramento e retraining degli algoritmi.
 
Il progetto prosegue secondo i piani.