Otras miradas

Comemos con los ojos: ¿elegiría un restaurante por las fotos de sus platos?

Beatriz Remeseiro

Profesora ayudante doctora de Ciencias de la Computación e Inteligencia Artificial, Universidad de Oviedo

Jorge Díez Peláez

Profesor titular de universidad de Ciencia de la Computación e Inteligencia Artificial, Universidad de Oviedo

Oscar Luaces Rodríguez

Profesor titular de universidad de Ciencias de la Computación e Inteligencia Artificial, Universidad de Oviedo

Helena Lopes/Pexels
Helena Lopes/Pexels

Desde que comenzó el confinamiento, y aún más con la apertura de algunos negocios en la desescalada, hacemos muchas de nuestras compras por internet. Los principales portales web de comercio electrónico ofrecen millones de productos a los consumidores, una gran variedad que hace difícil decidir cuál es la mejor opción. Esta situación también afecta a otros portales de búsqueda de información o entretenimiento.

En la mayoría de estas plataformas, los usuarios pueden subir sus valoraciones de diferentes productos. En general, estas valoraciones incluyen uno o varios de los siguientes aspectos:

  • Una calificación, típicamente mediante estrellas en una escala de 1 a 5 o un simple "me gusta" o "no me gusta".
  • Una opinión en formato texto.
  • Una o más fotografías del producto.

En este contexto, los sistemas de recomendación proporcionan sugerencias que resultan atractivas a los consumidores. Para ello procesan toda la información disponible, tanto de productos como de usuarios. Las sugerencias pueden ser de dos tipos:

  • Recomendaciones generales. Basadas en la popularidad de los productos.
  • Recomendaciones personalizadas. Basadas en los gustos de los usuarios.

En el primer caso, estas plataformas se limitan a mostrar el promedio de las calificaciones recibidas por un artículo. Es decir, podemos verlas como simples escaparates que muestran la información recopilada.

Una imagen vale más que mil palabras

Aunque los sistemas de recomendación pueden utilizar textos y calificaciones, en este artículo vamos a centrarnos en las imágenes tomadas por los usuarios. Explotando el dicho popular "una imagen vale más que mil palabras", algunas plataformas populares como YouTube o Netflix ya han incorporado información visual a sus sistemas de recomendación.

YouTube incluye uno de los mayores y más sofisticados sistemas de recomendación. Su enfoque consiste en utilizar el historial de actividad para generar una lista de vídeos candidatos. Finalmente, estos vídeos se ordenan de mayor a menor interés para el usuario, formando así un ranking de recomendaciones.

Las recomendaciones de Netflix, que opera en España desde 2015 emitiendo series tan populares como Stranger Things o La Casa de Papel, incluyen un fotograma de la película o la serie a modo de portada que ha sido cuidadosamente elegido. Para ello utilizan la información disponible de películas y usuarios. Tanto la imagen de portada como la recomendación son personalizadas con la idea de convencer al usuario para que vea una determinada serie o película.

Sistemas de recomendación para restaurantes

TripAdvisor es una plataforma de recomendación muy popular en el sector del turismo. Sus usuarios suelen subir valoraciones sobre restaurantes y hoteles. Esas valoraciones incluyen calificaciones, reseñas de texto y fotografías.

Esta web se limita a mostrar los establecimientos ordenados por su popularidad, sin ningún tipo de adaptación a cada usuario. Sus esfuerzos se han centrado en mejorar la experiencia de los usuarios, seleccionando las imágenes más atractivas de cada establecimiento, pero no de manera personalizada.

En una reciente investigación del Centro de Inteligencia Artificial de la Universidad de Oviedo hemos demostrado que es posible utilizar los datos de TripAdvisor para proporcionar recomendaciones personalizadas. Utilizando técnicas de deep learning, hemos construido un sistema capaz de predecir la fotografía que sacaría un cliente si fuera a un restaurante.

La idea consiste en aplicar un algoritmo que aprende los gustos de cada usuario a partir de las fotografías de los restaurantes que ha visitado. El proceso de aprendizaje contrapone sus fotografías a las de otros usuarios. El objetivo es que el algoritmo extraiga los gustos de cada persona, que se reflejan de forma implícita en sus fotografías.

Una vez completada esta fase, se puede presentar al sistema un usuario y el conjunto de fotografías de un restaurante. El sistema será capaz de decidir cuál es la fotografía que probablemente tomaría ese usuario en función de sus gustos. De esta manera podemos utilizar esa imagen como fotografía de portada del restaurante cuando el usuario visualice su información.

Este método también se puede utilizar como sistema de recomendación si el conjunto de imágenes que se le presenta corresponde a diferentes restaurantes. En este sentido, otro aspecto fundamental de la investigación es la capacidad que tiene el sistema para explicar su recomendación. La idea es que la imagen seleccionada por el algoritmo se puede entender como "te recomiendo ir a este restaurante porque te encontrarás algo como lo que ves en esta imagen". Esta capacidad de explicar la recomendación consigue que el usuario adquiera confianza en el sistema.


Este artículo ha sido publicado originalmente en The Conversation

The Conversation

Más Noticias