נניח שמתחשק לכם ללכת לסרט, לצאת למסעדה או לרכוש ספר ואתם מעוניינים לשמוע טרם הרכישה חוות-דעת. רוב האנשים ייכנסו תחילה לאינטרנט ויחפשו ביקורת שתעזור להם לקבל החלטה. כאן הדברים מתחילים להסתבך - לרוב, החיפוש יעלה מאות ולעיתים אף אלפי ביקורות. כיצד נדע אלו ביקורות מועילות ואמינות ואלו חסרות תועלת? כלי חדש שפותח באוניברסיטה העברית יסייע לצרכנים לאתר את הביקורת שתתאים לצורכיהם.
פרופ' ארי רפופורט ותלמיד המחקר אורן צור מבית הספר להנדסה ולמדעי המחשב על-שם בנין באוניברסיטה העברית, פיתחו שיטה חדשה לדירוג ביקורות על מוצרים באינטרנט בהתאם להעדפות הצרכן. מדובר בשיטה לניתוח תוכן, המבוססת על אלגוריתמים שפיתחו החוקרים, ומיועדת לדירוג אוטומטי של ביקורות מוצרים בהתאם למידת האפקטיביות שלהן. ההמצאה נרשמה כפטנט על-ידי יישום, החברה לפיתוח המחקר של האוניברסיטה העברית בירושלים, המחפשת בימים אלו שותף אסטרטגי להמשך פיתוח המוצר.
במסגרת עבודת הדוקטורט של צור ניתחו החוקרים כדוגמה את שיטת סינון הביקורות של אתר האינטרנט "אמזון", שבו הביקורות מסוננות על-פי המלצות הגולשים. "השיטה על פיה מסנן האתר ביקורות מטה את התוצאות כי ביקורת שמופיעה גבוה יותר בדף האינטרנט מקבלת יותר המלצות של גולשים אך היא לא בהכרח המקיפה והמועילה ביותר", אומר צור.
לתוכנה שפותחה, RevRank, יתרון על שיטות סינון אחרות בכך שהיא מכוונת להעדפות הגולשים. בשלב הראשון מזהה התוכנה את מונחי הליבה הדומיננטיים אשר מגדירים את הביקורת האופטימלית באינטרנט. בשלב השני משתמשת התוכנה בהגדרות אלו כדי לדרג ביקורות אחרות ביחס לביקורת האיכותית ביותר מקבוצת ביקורת נתונה. "השיטה שפיתחנו מאפשרת לכל גולש לכייל את העדפותיו לגבי אורך הביקורת שבה הוא מעוניין, עומק התוכן, השוואה לספרים אחרים וכדומה והיא עשויה לשנות את הדרך שבה אנו בוררים מידע מהאינטרנט", מציין פרופ' רפופורט. השיטה נוסתה בהצלחה על ביקורות של ספרים ומוצרים באתר האינטרנט אמזון. ההרצה הניסיונית של התוכנה הראתה שביקורות מועילות, אשר בתנאים רגילים המשתמש היה מחמיץ אותן, קפצו למעלה יותר בתוצאות החיפוש.