Cataldo Musto
Cataldo Musto è ricercatore presso il Dipartimento di Informatica dell’Università degli Studi di Bari. Ha conseguito il dottorato di ricerca nel 2012 con una tesi sui recommender systems e l’applicazione di tecniche di semantica distribuzionale per la profilazione degli utenti e il suggerimento di contenuti. Ha collaborato per tre mesi con il Philips Research Center di Eindhoven (Paesi Bassi) in un progetto relativo al suggerimento personalizzato di programmi televisivi. Nel 2016 è risultato vincitore del band “Future In Research” della Regione Puglia, per lo sviluppo di un progetto ricerca relativo a “Semantic Holistic User Modeling per l’accesso personalizzato a servizi e contenuti digitali”. E’ co-autore del capitolo “Semantics-aware Recommender Systems” pubblicato nella seconda edizione del Recommender Systems Handbook, e nel 2016 e 2017 ha tenuto un tutorial su Semantics-aware Techniques for Social Media Analyisis, User Modeling and Recommender Systems” nell’ambito della conferenza UMAP (User Modeling, Adaptation and Personalization). Inoltre, ha scritto oltre 50 articoli relativi ai recommender systems sulle principali riviste e conferenze internazionali. Attualmente si occupa di recommender systems basati su knowledge graphs come la Linked Open Data clodu, tecniche di spiegazione in linguaggio naturale a supporto dei suggerimenti generati dal recommender systems e tecniche di profilazione olistica dell’utente, in grado di modellare gusti e preferenze dell’individuo sulla base delle informazioni rilasciate su social networks, dispositivi wearables e smartphones.