- Obtener vínculo
- X
- Correo electrónico
- Otras apps
En julio de 2010 se realizó un descubrimiento de 145 (o 162*) botellas de champagne entre los restos de un barco naufragado en los fondos del mar báltico. Si bien no se pudo estimar con precisión la antigüedad de todas las botellas, se estima que el barco se hundió a mediados (o principios*) del siglo XIX, otorgándole al vino espumante una edad cercana a los 2 siglos.
El curioso descubrimiento resultó sumamente lucrativo. En varios miles de euros se vendieron algunas de las botellas recuperadas, estableciéndose un récord en el precio cobrado.
¿Pero qué hace que una bebida alcohólica despierte tanto interés? ¿Esnobismo tal vez? ¿Ausencia de retos y exceso de dinero? Apetencia por ambrosía? Ciertamente no tengo respuesta, pero es un hecho que existen elementos que con el tiempo van acrecentando su estima y otros no.
Según enólogos y periodistas especializados las bajas temperaturas y luminosidad del fondo del mar conservaron la calidad de los productos y coincidieron en catalogarlos como de excelente nivel. El criterio en vinos es que un buen añejamiento de varios años acentúa los sabores y aromas del mismo.
Existen otros productos que no tienen el mismo envejecimiento. Por ejemplo las trufas son hongos frescos que viven entre las raíces de algunos árboles. Son considerados una delicia culinaria y su valor por kilo esta cerca de los 6 mil euros. La trufa fresca puede mantenerse durante una decena de días y no mucho más. Pasado ese tiempo debe congelarse o tirarse. No imagino gente agolpándose para participar en una subasta de trufas centenarios.
No hace falta mantenerse en el rubro gastronómico para encontrar más ejemplos de productos que se añejan como el vino o se enmohecen como el pan. Libros, películas, noticias, deportistas, autos entre tantos elementos pueden tener ejemplos de este tipo.
Un sistema de recomendación debe tener en cuenta el paso del tiempo y sus efectos dentro de su ámbito de aplicación. El paso del tiempo también añeja o enmohece nuestros gustos. Una película que vimos en nuestra infancia posiblemente no nos guste en la adolescencia. Un libro que leímos hace 10 años posiblemente no nos interese en este momento. Nostalgia que hace que cierto auto pase a ser mas apreciado con el paso del tiempo. La muerte de un pintor que hace que su arte se revalorice. Dentro de un mismo dominio existen elementos que crecen su valor con el tiempo y otros que decrecen.
Existen diferentes mecanismos para armar un sistema de recomendación. Desde los más sencillos donde no existe la personalización, pasando por los que tienen en cuenta nuestras interacciones pasadas para generar una sugerencia hasta los que utilizan nuestros comportamiento comparándolo con los de los otros usuarios para generar una propuesta. Dentro de estos sistemas tener en cuenta el factor del tiempo se puede lograr de diferentes maneras.
La manera más sencilla de hacerlo es la conocida como de "ventanas deslizantes". Simplemente tiene en cuenta un intervalo (o ventana) de tiempo en la que se realizaron las interacciones para realizar una recomendación. Un ejemplo sencillo corresponde a un sitio de noticias donde se muestran las noticias más leídas/valoradas durante las últimas horas/días/semanas. No utilizar una ventana implicaría, por ejemplo, mostrar las noticias más leídas históricamente, que podrían corresponder a eventos de gran impacto pública que pasaron hace un tiempo distante y que no son en este momento de interés para los lectores. Con un mecanismo personalizado, como el basado únicamente en nuestras acciones pasadas, esto se aplica dejando de lados aquellas acciones más antiguas. Por ejemplo en un sitio de compras donde se registran nuestros últimos productos consultados, pasado un tiempo en el que inquirimos por heladeras, nos deja de recomendar comprar accesorios para la misma (o incluso otra heladera más... lo que resulta molesto y totalmente alejado de nuestro interés si ya compramos una).
Otra manera de implementar el peso del tiempo consiste en darle más prioridad a las interacciones nuevas que las viejas. Este modelo es conocido como de "ventanas amortiguadas". Esta manera de trabajar es también conocida como envejecimiento. Se suele definir una variable dependiente del tiempo que va amortiguando la influencia de las interacciones a medida que se alejen del tiempo presente. De acuerdo a la forma de la función puede hacer que las interacciones dejen de ser relevantes más o menos rápido. Por ejemplo dentro de la recomendación de películas dar más prioridad a los estrenos que a los clásicos. En otros usos interesantes, puede hacer que aquellas interacciones recientes no sean tan relevantes como aquellas que pasaron un tiempo después (evitando tal vez las acciones impulsivas). Cabe aclarar que este método es una generalizacion del anterior si entendemos que la función de envejecimiento es la función escalón (tomando el valor total de la recomendación dentro de un intervalo de tiempo y el valor cero para aquellos fuera de el)
Existe otra aproximación que se puede utilizar en forma independiente o en conjunción a una de las anteriores: la utilización de contextos temporales. Un ejemplo de este tipo consiste en la recomendación de indumentaria para la compra, Por más que una campera abrigada sea el artículo más vendido, no tiene mucho sentido recomendarlo en la época estival. La definición de los contextos puede ser explicita o implícita. En el primer caso los contextos están predefinidos: recomendación de destinos turísticos según la época del año, destinos gastronómicos según sea día laboral o no laboral, cena o almuerzo. Otro problema interesante que se trabaja es la detección de contextos de tiempo no preestablecidos (en forma implícita). Por ejemplo recomendar a un usuario música según sus gustos que pueden ser diferentes según se encuentra en horario laboral (donde tal vez cierta música resulta molesta para el resto de sus compañeros) o fuera del mismo. Horario laboral a menos que uno tengo un horario de oficina tradicional puede diferir entre personas. Por lo tanto el descubrimiento de contextos es también otro campo fertil de estudio.
Si te interesa mas detalles a continuación unos papers que tratan el tema:
* Una nota de color en este post es la calidad de algunos artículos donde se cometen incongruencias (http://www.nydailynews.com/life-style/eats/200-year-old-bottles-champagne-salvaged-baltic-sea-shipwreck-sold-auction-finland-article-1.1091531). En el barco hundido de 1830... Había una botella de 1840? Eran 145 o 162 botellas? O tal vez el periodista estuvo catando champaña en demasía? Mejor nos quedamos con esta versión, que no tiene incongruencias y tiene más detalles pintorescos http://www.reuters.com/article/idUSLNE73P04M20110426
El curioso descubrimiento resultó sumamente lucrativo. En varios miles de euros se vendieron algunas de las botellas recuperadas, estableciéndose un récord en el precio cobrado.
 |
| El proceso de añejamiento le da carácter al vino |
Según enólogos y periodistas especializados las bajas temperaturas y luminosidad del fondo del mar conservaron la calidad de los productos y coincidieron en catalogarlos como de excelente nivel. El criterio en vinos es que un buen añejamiento de varios años acentúa los sabores y aromas del mismo.
 |
| Un pan enmohecido no es algo que sea apetecible para comer |
No hace falta mantenerse en el rubro gastronómico para encontrar más ejemplos de productos que se añejan como el vino o se enmohecen como el pan. Libros, películas, noticias, deportistas, autos entre tantos elementos pueden tener ejemplos de este tipo.
Un sistema de recomendación debe tener en cuenta el paso del tiempo y sus efectos dentro de su ámbito de aplicación. El paso del tiempo también añeja o enmohece nuestros gustos. Una película que vimos en nuestra infancia posiblemente no nos guste en la adolescencia. Un libro que leímos hace 10 años posiblemente no nos interese en este momento. Nostalgia que hace que cierto auto pase a ser mas apreciado con el paso del tiempo. La muerte de un pintor que hace que su arte se revalorice. Dentro de un mismo dominio existen elementos que crecen su valor con el tiempo y otros que decrecen.
Existen diferentes mecanismos para armar un sistema de recomendación. Desde los más sencillos donde no existe la personalización, pasando por los que tienen en cuenta nuestras interacciones pasadas para generar una sugerencia hasta los que utilizan nuestros comportamiento comparándolo con los de los otros usuarios para generar una propuesta. Dentro de estos sistemas tener en cuenta el factor del tiempo se puede lograr de diferentes maneras.
La manera más sencilla de hacerlo es la conocida como de "ventanas deslizantes". Simplemente tiene en cuenta un intervalo (o ventana) de tiempo en la que se realizaron las interacciones para realizar una recomendación. Un ejemplo sencillo corresponde a un sitio de noticias donde se muestran las noticias más leídas/valoradas durante las últimas horas/días/semanas. No utilizar una ventana implicaría, por ejemplo, mostrar las noticias más leídas históricamente, que podrían corresponder a eventos de gran impacto pública que pasaron hace un tiempo distante y que no son en este momento de interés para los lectores. Con un mecanismo personalizado, como el basado únicamente en nuestras acciones pasadas, esto se aplica dejando de lados aquellas acciones más antiguas. Por ejemplo en un sitio de compras donde se registran nuestros últimos productos consultados, pasado un tiempo en el que inquirimos por heladeras, nos deja de recomendar comprar accesorios para la misma (o incluso otra heladera más... lo que resulta molesto y totalmente alejado de nuestro interés si ya compramos una).
Otra manera de implementar el peso del tiempo consiste en darle más prioridad a las interacciones nuevas que las viejas. Este modelo es conocido como de "ventanas amortiguadas". Esta manera de trabajar es también conocida como envejecimiento. Se suele definir una variable dependiente del tiempo que va amortiguando la influencia de las interacciones a medida que se alejen del tiempo presente. De acuerdo a la forma de la función puede hacer que las interacciones dejen de ser relevantes más o menos rápido. Por ejemplo dentro de la recomendación de películas dar más prioridad a los estrenos que a los clásicos. En otros usos interesantes, puede hacer que aquellas interacciones recientes no sean tan relevantes como aquellas que pasaron un tiempo después (evitando tal vez las acciones impulsivas). Cabe aclarar que este método es una generalizacion del anterior si entendemos que la función de envejecimiento es la función escalón (tomando el valor total de la recomendación dentro de un intervalo de tiempo y el valor cero para aquellos fuera de el)
Existe otra aproximación que se puede utilizar en forma independiente o en conjunción a una de las anteriores: la utilización de contextos temporales. Un ejemplo de este tipo consiste en la recomendación de indumentaria para la compra, Por más que una campera abrigada sea el artículo más vendido, no tiene mucho sentido recomendarlo en la época estival. La definición de los contextos puede ser explicita o implícita. En el primer caso los contextos están predefinidos: recomendación de destinos turísticos según la época del año, destinos gastronómicos según sea día laboral o no laboral, cena o almuerzo. Otro problema interesante que se trabaja es la detección de contextos de tiempo no preestablecidos (en forma implícita). Por ejemplo recomendar a un usuario música según sus gustos que pueden ser diferentes según se encuentra en horario laboral (donde tal vez cierta música resulta molesta para el resto de sus compañeros) o fuera del mismo. Horario laboral a menos que uno tengo un horario de oficina tradicional puede diferir entre personas. Por lo tanto el descubrimiento de contextos es también otro campo fertil de estudio.
Si te interesa mas detalles a continuación unos papers que tratan el tema:
- Kostas Stefanidis, Eirini Ntoutsi, et al. A Framework for Modeling, Computing and Presenting Time-aware Recommendations. 2013
- Linas Baltrunas, Xavier Amatriain. Towards Time-Dependant Recommendation based on Implicit Feedback. 2009
- Massimiliano Zanin, Pedro Cano, Javier M. Buldu. Preferential attachment, aging and weights in recommendation systems. 2007
* Una nota de color en este post es la calidad de algunos artículos donde se cometen incongruencias (http://www.nydailynews.com/life-style/eats/200-year-old-bottles-champagne-salvaged-baltic-sea-shipwreck-sold-auction-finland-article-1.1091531). En el barco hundido de 1830... Había una botella de 1840? Eran 145 o 162 botellas? O tal vez el periodista estuvo catando champaña en demasía? Mejor nos quedamos con esta versión, que no tiene incongruencias y tiene más detalles pintorescos http://www.reuters.com/article/idUSLNE73P04M20110426
Comentarios
Publicar un comentario