Yahoo consegna alla ricerca 13,5TB di dati di navigazione degli utenti

Nonostante i risultati finanziari di Yahoo non siano stati decisamente invidiabili, i numeri delle visualizzazioni del suo portale di notizie sono molto alti. Milioni di persone navigano all'interno di Yahoo News quotidianamente, e questo le permette di ottenere informazioni parecchio precise sui singoli utenti, sulle loro abitudini di lettura e di navigazione sul web. La compagnia ha diffuso di recente questi dati anonimamente per migliorare le tecnologie di machine learning.

Il dataset di Yahoo News Feed integra dati di 20 milioni di utenti anonimi raccolti nelle sessioni di navigazione praticate sui vari servizi della società a partire da febbraio 2015 fino ad arrivare al mese di maggio 2015. Nei dati troviamo informazioni sulle abitudini di navigazione degli utenti nella home-page di Yahoo, ma anche su Yahoo Sports, Finance, Movies, Real Estate e, naturalmente, anche all'interno del sito di notizie, probabilmente il più diffuso.

I numeri diffusi da Yahoo parlano di 13,5 terabyte di dati che coprono 110 miliardi di interazioni uniche sui vari siti. Si tratta, stando a quanto rivela la società, del dataset più grande mai rilasciato per quanto riguarda gli studi sul machine learning, con il fine di migliorare gli algoritmi di intelligenza artificiale. Non fatichiamo a crederci, del resto, visto che ben poche società sono in grado di produrre un traffico di queste dimensioni, escludendo Google e Facebook.

Per chi sospetta un uso improprio dei dati per fini di profilazione o pubblicitari, Yahoo tiene a precisare che rilascia i dati solo ed esclusivamente alla community per la ricerca accademica, in modo da aiutare a migliorare la qualità e l'efficacia degli algoritmi di raccomandazione delle pagine. Come specificato dal MIT Technology Review, il dataset include anche i titoli che gli algoritmi di personalizzazione offrono ai visitatori, un piccolo riassunto del contenuto e quali specifici articoli vengono cliccati.

Non mancano informazioni dettagliate sulla tipologia degli utenti, fra cui età, sesso e dettagli di natura geografica, ovviamente tutti raccolti in maniera del tutto anonima. Il rilascio di questi dati va contestualizzato all'interno di una delle tendenze più importanti sul web e in ambito tecnologico degli ultimi anni, dal momento che tutti i nomi più importanti si basano su engine di raccomandazione per raccogliere e fidelizzare una determinata tipologia di utenti.

Tanto per citare alcuni nomi, Netflix, Amazon, Facebook, Google ed Apple si basano su algoritmi molto simili per mantenersi in contatto con gli utenti interessati alle loro proposte, ed è merito dell'intelligenza artificiale grossa parte del successo dei servizi offerti. Il machine learning è uno strumento che permette anche di gonfiare le finanze di queste multinazionali, spesso migliorando l'esperienza d'utilizzo per l'utente finale.