Tag: Sistemas de recomendación
Netflix es la red de televisión por Internet líder en el mundo con más de 160 millones de miembros en más de 190 países. Sus usuarios disfrutan de cientos de millones de horas de contenido al día, incluidas series originales, documentales y largometrajes. Es por ello, que para mejorar la experiencia de sus usuarios y optimizar sus servicios, Netflix invierte en la investigación y desarrollo de tecnología como el Machine Learning, utilizando en muchas áreas donde prototipan, diseñan, implementan, evalúan y producen modelos y algoritmos tanto a través de experimentos off line como con pruebas A-B on line.
Como hemos dicho, el Machine Learning tiene un impacto en muchas áreas de Netflix. Históricamente, la personalización ha sido el área más conocida, donde el aprendizaje automático impulsa algoritmos de recomendación para ofrecer a sus usuarios contenidos en base a sus perfiles. Sin embargo, también utilizan el aprendizaje automático con otras finalidades como:
- Ayudar a dar forma al catálogo de películas y programas de televisión al aprender las características que hacen que el contenido sea exitoso.
- Optimizar la producción de películas y programas de TV originales en el estudio de rápido crecimiento de Netflix.
- Optimizar la codificación de vídeo y audio, la selección de velocidad de bits adaptativa y su red de entrega de contenido interna que representa más de un tercio del tráfico de Internet de América del Norte.
- También, potencia el gasto en publicidad, mezcla de canales y creatividad publicitaria para que puedan encontrar nuevos miembros que disfrutarán de Netflix.
El uso generalizado del aprendizaje automático en Netflix presenta muchos desafíos nuevos en los que deben impulsar el estado de la técnica. Esto significa generar nuevas ideas y probarlas, ya sean nuevos modelos y algoritmos o mejoras a los existentes, mejores métricas o metodologías de evaluación, y abordar los desafíos de escala. Netflix presta especial atención a la investigación en esta área abarcando muchos enfoques algorítmicos diferentes que incluyen modelado causal, bandidos, aprendizaje por refuerzo, conjuntos, redes neuronales, modelos gráficos probabilistas y factorización matricial.
Fuente: Netflix Research
Las recomendaciones forman parte de la cotidianidad de las personas ya sea facilitarnos la decisión de qué película ver, qué zapatos comprar, a qué restaurante ir, o a qué lugar viajar, entre cientos de decisiones que tomamos a diario. Estas recomendaciones pueden desarrollarse empleando tecnologías con técnicas y algoritmos de inteligencia artificial.
En computación, los sistemas de recomendación estudian las preferencias y gustos de los usuarios con el objetivo sugerirles ítems (contenidos) factibles y de interés. Un sistema de recomendación (o «recomendador») asiste al usuario para filtrar items relevantes de información en base a una serie de criterios u objetivos, ya sean preferencias, gustos o necesidades, que constituyen el perfil personalizado de un usuario determinado. En otras palabras, se trata de un sistema inteligente que ofrece a los usuarios sugerencias (o recomendaciones) personalizadas sobre un determinado contenido (o ítem).
No olvidemos que este es el objetivo principal de un sistema de recomendación: ofrecer contenido personalizado (películas, zapatos, productos, lugares, …) a los usuarios en base a su perfil (preferencias o intereses).
¿Cómo funcionan los sistemas de recomendación?
Estos sistemas de recomendación analizan y procesan datos históricos de los usuarios (gustos, preferencias, patrones de conducta, calificaciones, compras, etc) de una serie de ítems (marcas, productos, contenidos, servicios, precios, etc) y la transforma en información interesante para el propio usuario que necesita tomar una decisión de compra, una consumición o realizar cualquier otra acción. Desde un punto de vista más técnico, existe diversos enfoques para analizar y procesar el perfil personalizado del usuario a través de filtros (algoritmos) colaborativos, filtros basados en contenido, filtros demográficos o filtros basados en el historial del usuario, entre otros. También, existen algunos sistemas de recomendación que hacen uso de un enfoque híbrido combinando varias de estas técnicas.
Los recomendadores habitualmente son de tres tipos, pueden basarse tanto en el contenido (ítem) como en interacciones (acciones de usuarios activos) o en un mix de ambos tipos. Veamos en qué consiste cada uno de ellos:
Sistemas de recomendación basados en contenido: Si te gustó el libro “¿Sueñas los androides con ovejas eléctricas?” probablemente te guste la película «Blade Runner». Este sistema de recomendación se centra en utilizar los contenidos y características de los productos (items o contenidos) para encontrar similitudes con otros productos. Este tipo de recomendador es muy útil cuando un sistema posee escasa información sobre los gustos y preferencias de los usuarios.
Sistemas de recomendación basados en interacciones. Dime con quién andas, y te diré quién eres. Esta es la idea fundamental para comprender en qué consiste este tipo de recomendador. Para realizar una recomendación, el sistema no necesita información acerca de los productos (ítmes o contenidos) sino únicamente acerca de las interacciones que realizan los usuarios. A este tipo de recomendadores se les conoce como sistemas de recomendación colaborativos, ya que se basan en las acciones que realizan otros usuarios (colaboradores) para ofrecer una recomendación personalizada al perfil de un usuario. Sirve para realizar predicciones automáticas a partir de la recopilación de interacciones de otros consumidores con interese comunes.
Sistemas de recomendaciones híbridos. Se trata de una combinación de ambos recomendadores. Un claro ejemplo de un sistema de recomendación basado en contenido y en interacciones es la plataforma Netflix. Por un lado, el dashboard de la app te muestra una parrilla personalizada donde te recomienda qué serie, documental o película ver en base a los contenidos que has visto (si ves varias películas de ciencia ficción, te recomienda películas del mismo género). Y por otro lado, en base a las películas vistas de otros usuarios similares a tus preferencias, te recomienda películas que quizás son de otros géneros pero que en base a las similitudes con otros usuarios te propone otras película que visionar. Otros ejemplos pueden ser Amazon o Spotify, que realizan sugerencias en sus apps en base a lo que otros usuarios consumen y a tus consumos.
- Buaala es una app inteligente de contenidos audiovisuales que ofrece a sus usuarios construir su propia programación televisiva.
- A partir de nuestros gustos o tendencias, Buaala sabe lo que aún no sabemos qué queremos ver.
Así es Buaala, una aplicación móvil inteligente basada en Inteligencia Artificial y enfocada a ofrecer a los usuarios qué ver en televisión en base a sus gustos y preferencias de la parrilla mediática. El creador de esta smart app es Felipe García CEO de la compañía Knowdle Media Group, basada en el conocimiento abierto bioinspirado, en la inteligencia colectiva y apoyado en el concepto de “el conocimiento como servicio”.
La aplicación Buaala cuenta con un motor de inteligencia artificial totalmente proactivo. Permite a los usuarios descubrir y recomendar contenidos relacionados con el cine, películas, series, shows de TV… y, actualmente, posee un catálogo de más de 70.000 productos de Amazón. Está disponible en formato para iOS como para Android.
El concepto de Buaala nació en 2011, su fundador, Felipe García decidió unir dos conceptos: inteligencia artificial e inteligencia colectiva. En 2014, el proyecto recibió casi 2 millones de euros de financiación pública para el desarrollo de un protipo no comercial. Finalmente en 2016, tras un periodo de investigación y desarrollo, surge Buaala como app móvil gratuita.
Funciona como una parrilla inteligente de contenidos audiovisuales, desde la TDT hasta los contenidos que ofrecen Netflix, HBO y Movistar Fusión+. Aunque algunas de estas mismas plataformas poseen recomendaciones según el historial de contenidos visualizados, Buaala posee un algortimo mucho más complejo. Además de atender a los patrones de consumo de un usuario, se tienen en cuenta los criterios que siguen el resto de espectadores de televisión a la hora de escoger un contenido audiovisual. De esta forma, Buaala recomienda a un usuario qué, cómo y cuándo ver un contenido a través de recomendaciones de amigos, reseñas/críticas, de blogs especializados, campañas promocionales, comentarios de usuarios en redes sociales etc. La idea reside en: cuanto más utilicemos su sistema, su algoritmo más aprenderá sobre ti y tus gustos.
Además, esta aplicación posee funciones similares a las de una red social especializada en cine y televisión ya que permite: enviar solicitudes se seguimiento a otros usuarios, ver qué contenidos están viendo tus amigos, acceder a foros de comentarios, crear chats privados o chats con varios usuarios, …
CÓMO FUNCIONA BUAALA
Tal como hemos mencionado antes, Buaala aprende de sus usuarios de tal forma que cuanto más uso le den a la app, sus recomendaciones serán más afines al gusto del usuario. Todo esto es gracias a su algoritmo de inteligencia artificial basado en inteligencia colectiva con el que nos propone qué ver. En resumen, nos ayuda a construir nuestra propia programación televisiva.
¿Qué funciones permite Buaala? Podemos reunir algunas a las que se irán uniendo otras muy interesantes en un futuro próximo:
- OCIO: sugerencias de planes, conciertos, series y películasque ni sabías que podían ser de tu agrado.
- CINE: si estás con amigos y os apetece ir al cine, Buaala os sugerirá la película perfecta para todos.
- INFORMACIÓN PERSONALIZADA: Buaala te ofrece todas las curiosidades sobre series, programas y películas de tu interés.
- CRÍTICAS Y VALORACIONES: podrás leer comentarios/opiniones de otros usuarios, de expertos en cine así como recomendaciones de terceros.
- ECONOMÍA DEL TIEMPO: con Buaala ahorrarás tiempo buscando cuándo echan tu series, película o programa favorito. Con Buaala lo que te gusta, te encuentra.
- COMUNICACIÓN 2.0: incorpora un chat con el que poder hablar con amigos en privado o crear un grupo privado de chat.
Aviso Legal | Política de Cookies | Política de Privacidad