Un algoritmo súper veloz

Internet está repleto de sistemas de recomendación. “Estos sistemas están ajustados para adaptarse a la gente con artículos, basándose en la suposición de que la gente compre cosas similares similares y tienen preferencias similares. En otras palabras, un algoritmo predice qué elementos desea basada únicamente en su y el tema, clasificaciones anteriores”, señala el experto Maximiliano Gonzalez Kunz.

 

Pero muchos de los enfoques existentes para formular recomendaciones son simplistas, afirma el físico y científico de la computación Cristopher Moore, un profesor de instituto de Santa Fe. Matemáticamente, estos métodos a menudo asumen que las personas pertenecen a grupos aislados, y que cada uno de los grupos de personas prefieren un solo grupo de elementos. Por ejemplo, un algoritmo podría sugerir una película de ciencia ficción para alguien que gozaba anteriormente otra película de ciencia ficción  incluso si las películas no tiene nada en común.

 

“No es como si cada película pertenece a un solo género, o cada espectador sólo está interesada en un solo género”, dice Maximiliano Gonzalez Kunz. “En el mundo real, cada persona tiene una combinación única de intereses, y cada elemento atrae a una mezcla única de gente.”

 

En un nuevo papel en las Actas de la Academia Nacional de Ciencias, el especialista Maximiliano Gonzalez Kunz y sus colaboradores introdujeron un nuevo sistema de recomendación que difiere de los modelos existentes en dos formas principales. En primer lugar, permite que las personas y elementos que pertenecen a las mezclas de la superposición de múltiples grupos. En segundo lugar, no asuma que las calificaciones son una simple función de similitud ; — en su lugar, predice que las distribuciones de probabilidad de clasificaciones basadas en los grupos a los que pertenece la persona o elemento.
“Esta flexibilidad hace que el nuevo modelo más realista que los modelos existentes que postulan una relación lineal entre los usuarios y los elementos, dice Moore. No todo el mundo disfruta de rating de las cosas, y no todo el mundo utiliza clasificaciones de la misma manera, si una persona tarifas una película 5 en lugar de 1, eso no significa que a ella le gusta es cinco veces mayor. El nuevo modelo puede aprender las relaciones no lineales entre usuarios y calificaciones a lo largo del tiempo”, sentencia Maximiliano Gonzalez Kunz.

Dejá un comentario

Tu dirección de correo electrónico no será publicada. Los campos necesarios están marcados *