Lo más visto

Algoritmos de Recomendación

Enlace copiado
Algoritmos de Recomendación

Algoritmos de Recomendación

Enlace copiado

Más de alguna vez hemos entrado a YouTube a ver un video en específico y al finalizar terminamos navegando por otros 30 minutos viendo videos que YouTube nos ha recomendado. La tecnología que permite estas sugerencias se llama Sistema de recomendación o "Recommender System". También se les llama plataformas de recomendación o motores de recomendación. Lo que está atrás son algoritmos. Hoy en día tenemos algoritmos de recomendación en múltiples servicios como Netflix, YouTube, Spotify, Amazon, Facebook, Twitter, etcétera.

Los tipos de algoritmos pueden ser los basados en filtrado colaborativo o los filtrados por contenido. La filtración colaborativa toma en cuenta el comportamiento pasado del usuario (compras, selecciones y/o calificaciones numéricas otorgadas a esos elementos), así como decisiones similares tomadas por otros usuarios. Con base en esto, el algoritmo trata de predecir en lo que pueda estar interesado el usuario. El filtrado por contenido utiliza características discretas y pre etiquetadas de un contenido para recomendar otro contenido que cumpla con propiedades similares. Y por supuesto, existen algoritmos que combinan ambos tipos para enriquecer la recomendación.

En el año 2000 Pandora revolucionó el mercado con una idea, ofrecer al usuario recomendaciones de música generadas automáticamente. Pandora utiliza las propiedades de una canción o artista (un subconjunto de los 400 atributos proporcionados por el Proyecto del Genoma Musical) para crear una "estación" de radio que reproduce música con propiedades similares. Se utiliza la retroalimentación del usuario para afinar el algoritmo cuando indica que una canción le "gusta" o no. El algoritmo va restando o sumando peso a las propiedades de esas canciones. Este es un ejemplo de filtrado por contenido. En 2002 salió al mercado Last.fm, un servicio con un algoritmo colaborativo que crea estaciones basándose en el comportamiento del usuario y comparándolo con otros suscriptores para recomendar música que el resto escucha y que probablemente le interese a este.

Entre 2007 y 2011 entran al mercado Amazon Music, Spotify y Google Music. En un inicio estos se diferenciaban, principalmente, por el tamaño de su catálogo de música, pero hoy en día todos tienen similares ofertas por lo que sus algoritmos de recomendación son la clave. Spotify, por ejemplo, el líder del mercado a nivel mundial. Aparte de utilizar la retroalimentación del usuario y las etiquetas tradicionales de género musical tiene otra serie de etiquetas como "Acústica", "Bailable", "Energía", "Tempo", "Instrumentalidad", "Vitalidad" entre otras. A cada etiqueta le asigna un valor de "0" o "1" y con base en la selección del usuario y su comportamiento de escucha genera playlists de sugerencias.

Google Play Music y YouTube Music utilizan "Machine Learning" no solo para conocer el gusto musical a través de filtros de contenido, también aprende acerca de actividades por medio de localización e incluso con GCalendar busca entradas con palabras claves como Gimnasio, Entrenamiento, Viaje, etcétera, para sugerir tipos de música. Por otro lado, toma en cuenta también los horarios del día para sugerir música acorde.

Apple Music, el último en entrar en 2015, anunció con gran pompa que era el único servicio con una selección curada (selección por humanos expertos); sin embargo, desde iOS 10 iniciaron un modelo híbrido con un algoritmo que toma en cuenta el comportamiento del usuario, así como el del resto de su inmensa base de datos de iTunes. A la fecha, sin embargo, los algoritmos de Spotify y YouTube Music son más robustos para creaciones de radios y sugerencias de nueva música. Esta carrera por optimizar los algoritmos de recomendación continuará sofisticándose a través de la inteligencia artificial y con seguridad será el atributo que los diferencie y asegure la lealtad de sus suscriptores.

Tags:

Lee también

Comentarios

Newsletter
X

Suscríbete a nuestros boletines y actualiza tus preferencias

Mensaje de response para boletines