Los sistemas de recomendación automática cada vez son más populares: las redes sociales nos recomiendan a quién seguir, los servicios de entretenimiento nos recomiendan películas y música. Pero como te habrás dado cuenta, lograr dar recomendaciones que realmente sean del interés de los usuarios no es trivial.
En esta sesión estudiaremos lecciones aprendidas y mejores prácticas para diseñar sistemas de recomendación eficaces.
Impartido por: Blanca A. Vargas Govea
6. Y entonces los usuarios reciben las recomendaciones
Y VAMOS
EMOCIONADOS…
Se implementa, en las
pruebas offline se
obtiene un 98% de
precisión
¿Qué
podría salir
mal?
8. ¿QUÉ SALIÓ MAL?
Fue el algoritmo. Seguro.
Y en las revisiones cualitativas te das cuenta
de que el contenido de los perfiles y artículos
de los quejosos tienen enormes coincidencias
Que no
fui yo
10. 1. Las personas mentimos
CASO 1
Desconfianza a introducir
información: $
Siempre lo
he dicho
CASO 3
Cuentas falsas
CASO 2
Cierta información no
congruente con tu
comportamiento: movilidad
14. 2. Información inconsistente
CUENTAS CON
MAS DE UN
USUARIO
Registro de contenido y
comportamientos distintos
Quiero ver
Buscando
a Nemo
Me gustan
las
películas
de Marvel
Veré otra
vez Titanic,
ojalá esta
vez Jack no
se ahogue
19. 3. Información no normalizada
CASO 1
Los usuarios introducen
información en texto libre
CASO 2
Existen distintas fuentes para
la misma información
MTY
Monterrey
auxiliar
Auxiliar
Aux
22. Normalizar información
Procesamiento de lenguaje natural (Python – nltk, R)
Homologar información
Asegurar que la información utilizada provenga de la
misma fuente o sea equivalente
23. ○ Mejora en la
salida de los
algoritmos
○ Mejora en la
precisión de los
análisis
¿Y LUEGO?
Ya analicé el
comportamiento
Ya
normalicé
Ya minimicé
información
inconsistente
24. GIGO
Garbage In – Garbage Out
Analizar comportamiento y
contrastar con el contenido
Minimizar la información
inconsistente
Normalizar la información
LECCIONES
APRENDIDAS
25. Y entonces los usuarios reciben mejores recomendaciones
¿QUÉ
LOGRAMOS?
Mejor calidad en la
información
Mejores resultados en
los algoritmos/personas
más satisfechas
Mejores decisiones
Tengo
salvación
26. Es necesario explorar con
mayor profundidad antes de
culpar a los algoritmos
Ya ven,
no
siempre
soy yo
28. CREDITOS
Special thanks to all the people who made and released these awesome
resources for free:
○ Presentation template by SlidesCarnival
○ Photographs by Unsplash