Compressione e Vocalizzazione di Risultati Multidimensionali nel Paradigma OLAP

Si definiscono conversazionali i sistemi che consentono all'utente di interagire utilizzando il linguaggio naturale. Negli ultimi anni essi sono stati oggetto di numerose ricerche in ambito informatico, basti pensare che strumenti quali assistenti vocali e chatbot sono oramai di uso comune. Quando questi sistemi vengono sfruttati per l'analisi dati si parla di una vera e propria democratizzazione dell'accesso ai dati, perché le informazioni diventano accessibili anche ad utenti che non hanno competenze tecniche. Il problema da affrontare nello sviluppo dei sistemi conversazionali può essere suddiviso in due parti complementari: la costruzione di interfacce in grado di tradurre un comando espresso in linguaggio naturale in un'operazione da svolgere su un sistema informatico e la presentazione dei risultati ottenuti con un output dello stesso tipo. Nello scenario applicativo dei database sono stati realizzati vari framework per la comprensione del linguaggio naturale, mentre solo di recente è stato introdotto e esplorato il problema della data vocalization. Esso è finalizzato alla presentazione dell'output in formato vocale ed è caratterizzato da esigenze differenti rispetto alla data visualization. La tesi presentata si colloca nell'ambito della Conversational Business Intelligence e si pone l'obiettivo di studiare e implementare una tecnica per la vocalizzazione di risultati di query OLAP. Questa dovrà poi essere integrata in un framework esistente, per ottenere un sistema conversazionale end-to-end in cui input e output sono espressi in formato vocale.