Saltar al contenido
Noticias de tecnologia

3 lecturas interesantes sobre sistemas de recomendación

Amazon abre la tienda de aplicaciones de Android para desarrolladores

Esta semana, Greg Linden notó un documento de la conferencia que revela que YouTube está utilizando el motor de recomendaciones de Amazon.com para impulsar sus propias recomendaciones. La semana pasada, Fast Company publicó un artículo sobre cómo un ex ingeniero de Amazon.com está tratando de ayudar a descubrir un motor de recomendaciones mejor que su antiguo empleador. Y redescubrimos un tutorial de diciembre de 2010 sobre cómo ensuciarse las manos construyendo su propio sistema de recomendaciones usando NumPy.

YouTube utiliza el algoritmo de recomendación de Amazon

Linden escribe que YouTube está utilizando el algoritmo de Amazon.com, desarrollado en 1998, para impulsar su sistema de recomendación:

Para ser claros, esto no pretendía ser un ataque a Google de ninguna manera. Los empleados de Google se basaron en trabajos anteriores, como deberían. Lo que es notable aquí es que, a pesar de otra década de investigación sobre sistemas de recomendación, a pesar de todo el trabajo en el Premio Netflix, YouTube descubrió que una variante del antiguo algoritmo de filtrado colaborativo de elemento a elemento venció a todos los demás para recomendar videos de YouTube. Ese es un resultado muy interesante y que valida las fortalezas de ese viejo algoritmo.

Más allá de Amazon: cómo hacer recomendaciones de forma más inteligente

El ex ingeniero de Amazon.com y actual científico jefe de RichRelevance, Darren Vengroff, quiere ayudar a descubrir un sistema mejor que el algoritmo de 13 años de Amazon.com. Pero no está tratando de descubrirlo él mismo. En cambio, según Fast Company, está tratando de permitir que los investigadores de los departamentos de matemáticas de todo el mundo realicen una mejor investigación del motor de predicción proporcionándoles datos del mundo real:

Ha creado una especie de “caja negra” con datos del mundo real que los investigadores pueden utilizar para realizar experimentos. Los investigadores no podrán mirar los datos, pero podrán volcar sus algoritmos y hacer que la caja arroje los resultados, que luego los investigadores pueden usar para refinar sus hipótesis.

Cómo construir un sistema de recomendación con NumPy

Si leer todo esto le da ganas de jugar con su propio motor de recomendaciones, consulte este tutorial de carpintería de software sobre cómo crear sistemas de recomendación en NumPy. NumPy es un paquete de computación científica para Python.

Artículo de bonificación

Nuestro artículo de 20095 Problemas de los sistemas de recomendación.