Un team di studenti del Politecnico di Milano, coordinato da Maurizio Ferrari Dacrema, ricercatore del Dipartimento di Elettronica, Informazione e Bioingegneria, e da Andrea Pisani, studente di dottorato, ha vinto per il terzo anno consecutivo il premio come miglior team accademico alla RecSys Challenge 2025. Il team è composto da Simone Colecchia, Mauro Orazio Drago, Jihad Founoun, Paolo Gennaro, Ernesto Natuzzi, Luca Pagano, Sajjad Shaffaf, Giuseppe Vitello.
La RecSys Challenge 2025 si è svolta nel corso di tre mesi, con fase finale a Praga dal 22 al 26 settembre 2025 nell’ambito della 19ª ACM Conference on Recommender Systems, ed è stata organizzata da Synerise, azienda polacca che sviluppa una piattaforma di intelligenza artificiale per l’analisi dei dati comportamentali, in collaborazione con Maastricht University, Indian Institute of Management Visakhapatnam, Technical University of Denmark, Università di Bari Aldo Moro e Politecnico di Bari.
La sfida di quest’anno si è focalizzata sulla creazione di profili comportamentali universali, cioè rappresentazioni utente capaci di generalizzare su più compiti. I team hanno generato embedding per ogni utente a partire dai dati di un grande database di eventi di e-commerce, comprendente acquisti, aggiunte e rimozioni dal carrello, visite di pagina e ricerche. Le rappresentazioni sono state valutate su task resi noti ai partecipanti, tra cui previsione del churn e propensione all’acquisto, e su task mantenuti nascosti. L’aspetto chiave è stata la capacità dei profili di risolvere molteplici compiti di rilevanza industriale, tra loro eterogenei.
I team hanno avuto accesso a un ampio dataset reale fornito da Synerise, che copre sei mesi di attività di un grande retailer online e contiene circa 170 milioni di eventi tra visite di pagina, ricerche e transazioni. I profili comportamentali sono stati generati per un sottoinsieme di 1 milione di utenti.
Alla competizione hanno partecipato circa 400 team, provenienti da istituzioni e aziende di primo piano, tra cui Université Paris-Saclay, Johannes Kepler University, East China Normal University, NTT DOCOMO, Mitsubishi Research Institute e Match Group. Il team del Politecnico di Milano ha descritto la soluzione proposta nel paper “From Sequences to Profiles: Generating Universal Behavioral Profiles exploiting Recurrent Neural Networks”.