Dietro Lettore Gemello c\u2019\u00e8 un algoritmo, ma l\u2019idea che lo guida \u00e8 molto semplice: non confronta libri con libri, confronta persone con persone. Si chiama approccio “user-based”. Funziona cos\u00ec: il sistema osserva le liste dei lettori e cerca sovrapposizioni; se io e te abbiamo 8 libri in comune su 10, \u00e8 probabile che abbiamo gusti simili. A questo punto, ci\u00f2 che hai letto tu e io no diventa interessante per me, il suggerimento nasce dall\u2019affinit\u00e0 tra due lettori: non \u00e8 magia, \u00e8 una forma organizzata di ci\u00f2 che accade tra lettori reali quando si scambiano consigli.<\/p>\n\n\n\n
Molti sistemi (quelli commerciali, per esempio) funzionano in modo diverso, sono “item-based”. La loro logica \u00e8 questa: \u201cSe ti \u00e8 piaciuto questo libro, ti piacer\u00e0 quest\u2019altro.\u201d, nella logica “item-based” si confrontano i libri tra loro: quali vengono spesso letti insieme, quali hanno caratteristiche simili, quali vengono acquistati dagli stessi utenti. \u00c8 una logica utile, ma resta centrata sugli oggetti.<\/p>\n\n\n\n
Lettore Gemello usa un\u2019altra prospettiva: \u201cSe ti piacciono gli stessi libri che piacciono a questa persona, prova quello che ha letto lei.\u201d Qui non si mette al centro il libro, si mette al centro il lettore, non si costruisce una mappa di somiglianze tra titoli, piuttosto si costruisce una rete di affinit\u00e0 tra persone. L\u2019algoritmo user-based valorizza la comunit\u00e0. \u00c8 un progetto relazionale, non solo statistico, non cerca il libro \u201cpi\u00f9 simile\u201d, cerca il lettore pi\u00f9 affine, ed \u00e8 proprio questa scelta a rendere il progetto del Lettore Gemello molto diverso: non un motore di suggerimenti automatici, ma uno spazio dove le affinit\u00e0 tra persone generano nuove letture.<\/p>\n\n\n\n