El desafío de elegir hotel en la era digital
Planificar un viaje puede ser emocionante, pero la tarea de encontrar el alojamiento ideal se ha convertido a menudo en una odisea. Nos enfrentamos a un océano de información con innumerables opciones, filtros y opiniones. ¿Cuál nos conviene? Para solucionar este problema, un equipo de investigadores españoles desarrolló Sem-Fit, un sistema experto que no solo busca hoteles, sino que entiende las sutilezas del viajero para ofrecer recomendaciones verdaderamente personalizadas.
otro mas y mas y mas
Con texto que pone cosas
El ingrediente secreto: la lógica difusa
El corazón de Sem-Fit no reside en la lógica binaria de "sí" o "no", sino en la lógica difusa. Esta rama de la inteligencia artificial permite a la máquina trabajar con conceptos imprecisos y subjetivos, muy parecidos a como lo haría un humano. Por ejemplo, para un sistema tradicional, una persona de 29 años no es "joven", pero una de 30 sí podría serlo si el límite está ahí. Sem-Fit, en cambio, entiende que una persona de 30 años puede ser "un 70% joven", mientras que una de 20 lo es "al 100%". Este enfoque le permite interpretar características como "viaje relajante", "ambiente familiar" o "hotel de lujo" con una flexibilidad mucho más realista, asignando grados de pertenencia en lugar de etiquetas rígidas.
¿Qué son la Precisión y la Relevancia (Recall)?
En la evaluación de sistemas de recomendación, estas dos métricas son clave. Imagina que buscas hoteles con piscina y el sistema te ofrece 5 opciones, de las cuales 4 sí tienen piscina. Además, en total había 8 hoteles con piscina en la base de datos.
Precisión: Mide cuántas de las recomendaciones dadas son correctas. En el ejemplo, 4 de las 5 recomendaciones eran correctas, por lo que la precisión es del 80%. Responde a la pregunta: ¿de lo que me has mostrado, cuánto me sirve?
Relevancia (Recall): Mide cuántos de los resultados correctos posibles fueron encontrados. En el ejemplo, el sistema encontró 4 de los 8 hoteles correctos, así que la relevancia es del 50%. Responde a la pregunta: ¿has encontrado todo lo que debería?
Sem-Fit demostró una relevancia muy alta (96%), lo que significa que casi siempre incluía la recomendación ideal en su lista de sugerencias, aunque no siempre fuera la primera opción.
Un sistema que aprende de la experiencia
Sem-Fit comienza su andadura con un conocimiento inicial proporcionado por un experto humano en turismo, que establece las relaciones iniciales entre el perfil del cliente (joven, familia, negocios) y las características del hotel (cerca de la playa, con spa, económico). Sin embargo, su verdadera magia reside en su capacidad de aprender. Tras recibir una recomendación, el usuario valora su "sensación" sobre la propuesta. El sistema recopila esta retroalimentación de forma anónima y, periódicamente, utiliza esta información para ajustar y refinar sus propias reglas internas. De este modo, Sem-Fit evoluciona, adaptando sus criterios a las tendencias y preferencias reales de los viajeros, mejorando con cada interacción.
A prueba: ¿Supera al experto humano?
Para validar su eficacia, los investigadores pusieron a prueba a Sem-Fit con 50 estudiantes que buscaban un hotel para sus vacaciones. Compararon sus recomendaciones con las de cuatro expertos en viajes y con la elección final de los propios estudiantes. Los resultados fueron sorprendentes. Aunque la recomendación principal ("estrella") del sistema no siempre coincidía con la del experto, la lista completa de sugerencias de Sem-Fit incluía la opción ideal para el 96% de los usuarios. Este porcentaje de acierto superó al de un único experto humano, demostrando que Sem-Fit no solo es una herramienta precisa, sino también una que ofrece un abanico de alternativas altamente relevantes, comportándose como un agente de viajes virtual que mejora con cada cliente.
Ficha Técnica
Título original: Sem-Fit: A semantic based expert system to provide recommendations in the tourism domain
Revista: Expert Systems with Applications
Año: 2011
Autores: Ángel García-Crespo, José Luis López-Cuadrado, Ricardo Colomo-Palacios, Israel González-Carrasco, Belén Ruiz-Mezcua
Comentarios (0)
Aún no hay comentarios
Sé el primero en compartir tu opinión sobre este artículo.