El crowdsourcing de Pandora

En las redes sociales las funcionalidades para buscar y recomendar [f]amigos aún son muy limitadas ¿se podría usar algún acercamiento adaptado del retail o el dating para mejorar su eficiencia?

Leo en Los Cuentos del Abuelo los apuntes de Justo Hidalgo sobre la táctica de crowdsourcing de Pandora para hace recomendaciones de música basada en emplear un panel de músicos expertos los cuales evaluan hasta 400 atributos de cada una de las 850.000 canciones del repositorio de Pandora. La idea es que el oído y el cerebro humano son capaces de asignar información a una canción que hoy por hoy un algoritmo es incapaz de determinar.

An analyst's answer on Pandora's application test.

Según Tim Westergren, fundador y director de estrategia de Pandora, el acercamiento de Pandora alivia el interrogante de Napoleon Dynamite. En octubre de 2006 Netflix convocó un concurso para mejorar el algoritmo Cinematch dotado con un premio de un millón de dólares para quien consiguiese mejorar su precisión en más de un 10%. Netflix publicó más de cien millones de ratings (✰…✰✰✰✰✰) de cuatrocientos ochenta mil usuarios anónimos sobre diecisiete mil setecientas películas. En 2007 Len Bertoni del equipo Acmehill había conseguido una mejora del 9,44% determinando que el 15% de la tasa de error de su algoritmo era atribuible a la comedia de culto Napoleon Dynamite que lo mismo recibía una estrella que cinco por usuarios quienes, por lo demás, tenían gustos muy similares.

Finalmente tras examinar 44.014 propuestas de 5.169 contendientes, Netflix otorgó el premio al equipo BellKor’s Pragmatic Chaos de AT&T por muy escasa ventaja sobre The Ensemble ambos con tasas de mejora del 10,1%.

La representación visual de las relaciones halladas por The Ensemble creada por Chris Hefele es especialmente interesante. Muestra las relaciones débiles entre películas como una línea roja y las fuertes como una línea amarilla.


Netflix ratings graph by Chris Hefele

Zoomify Netflix ratings graph

La limitación obvia de todos los algoritmos del concurso Netflix es que, por cuestiones de privacidad, no pueden cruzar los ratings con información sobre el perfil personal de los televidentes. Si se trata de encontrar la relación en Rambo y Commando el problema parece a priori sencillo, pero ¿qué pasa con Torrente 4? ¿será posible predecir si le gustará algo tan típicamente español a un yankee o a un japonés?

Pero incluso disponiendo de un perfil completo, predecir el matching tampoco es tarea fácil. Los algoritmos que tienen en cuenta la personalidad para determinar gustos existen. Uno fácil de probar es el de Be2 basado en el New York Longitudinal Study sobre personalidades y temperamentos combinado con la Teoría triangular del amor de Robert Sternberg. O, como propone Fernando Ardenghi, se podría intentar usar 16PF5 para el matching de dating debido a que, según el estudio de Deborah A. Kashy y Harold D. Grotevant la similitudes en la pareja explican soló el 5% de la varianza en satisfacción. Es decir, al parecer dos personas con el mismo tipo de locura no se gustan entre ellas.

Compartir:
  • Twitter
  • Meneame
  • Facebook
  • Google Bookmarks
Esta entrada fue publicada en Usos sociales de la tecnología. Guarda el enlace permanente.

1 respuesta a El crowdsourcing de Pandora

Responder a Natalia Cancelar la respuesta

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

 

Este sitio usa Akismet para reducir el spam. Aprende cómo se procesan los datos de tus comentarios.