Cómo los laboratorios de investigación de eBay están abordando la complicada tarea de las recomendaciones de moda

Si alguna vez se ha preguntado qué ponerse por la mañana, es posible que también se haya preguntado si podría dejar la elección a un algoritmo que podría recomendar una combinación decente de ropa.

La respuesta corta es no. Varios grupos han estudiado el problema de los consejos de moda automatizados sin que nadie lo haya clavado realmente.

Hoy, es el turno de Anurag Bhardwaj y sus amigos de eBay Research Labs en San José. Estos chicos han desarrollado dos sistemas de recomendación de moda diferentes y luego han obtenido opiniones colectivas sobre si las recomendaciones que brindan son buenas.

Los resultados brindan información interesante sobre la forma en que los humanos evalúan la ropa, pero también sugieren que las recomendaciones de moda automatizadas aún tienen mucho camino por recorrer.

Estos chicos comienzan creando dos algoritmos de recomendación de moda diferentes, que entrenan en un conjunto de datos que consta de más de 13.000 fotografías de modelos de moda tomadas de la Web. En cada fotografía, la modelo lleva una combinación de top y bottom que permite a los algoritmos buscar correlaciones entre las diferentes combinaciones de top y falda.

El primer algoritmo, que Bhardwaj y sus amigos denominan recomendador de moda determinista, evalúa los colores de la parte superior y los compara con los colores de las faldas. Luego le da a cada combinación una calificación que se puede comparar con otras combinaciones de arriba a abajo. (No dicen exactamente cómo se calcula esta calificación).

Entonces, cuando se consulta este algoritmo mostrándole una parte superior en particular, por ejemplo, busca en su base de datos una parte inferior que, cuando se combina, produce una calificación alta.

El segundo algoritmo usa la regla predefinida de que la ropa estampada se coordina bien con la ropa que tiene un color sólido. En otras palabras, tener patrones ocupados tanto en la ropa de arriba como en la de abajo es menos popular, dicen Bhardwaj y compañía.

Entonces, este algoritmo asegura que cuando se presenta con un top estampado, por ejemplo, todas sus recomendaciones serán para una falda con un color sólido.

¿Pero estas recomendaciones son buenas? Para averiguarlo, Bhardwaj y sus amigos pidieron a 150 personas del servicio Mechanical Turk de Amazon que calificaran las recomendaciones en una escala de mala, neutral, buena o excelente.

Generaron las recomendaciones presentando a cada algoritmo una imagen elegida al azar de una base de datos de 1.000 fotografías de faldas. Luego, el algoritmo tuvo que elegir una parte superior tomada de una base de datos separada de imágenes de las partes superiores.

Los resultados muestran ciertos patrones de preferencia entre los usuarios. Por ejemplo, la gente prefiere una falda de un solo color con una combinación de top estampada.

Más interesante aún, los usuarios también prefieren patrones simples, como lunares, sólidos, rayas o cuadros, en lugar de patrones complejos como patrones de animales, florales, geométricos o paisley. Y al proporcionar una calificación, los usuarios realizan la tarea más rápidamente cuando se les presentan patrones simples que con patrones complejos.

Bhardwaj y sus colegas dicen que esto tiene sentido, ya que los neurocientíficos saben desde hace mucho tiempo que la complejidad de una imagen determina el tiempo que lleva procesarla visualmente.

No está claro qué tan útil será esto para desarrollar algoritmos de recomendación de moda en el futuro. Un problema potencial es que Bhardwaj y compañía no brindan información sobre los usuarios que emplearon en Mechanical Turk de Amazon. No dicen nada sobre la distribución de hombres y mujeres, sobre los grupos de edad involucrados, sus etnias, etc. Todos estos factores podrían tener un efecto significativo en las elecciones de moda.

Es más, es concebible que las personas que eligen trabajar como turcos sean un grupo autoseleccionado con características muy específicas en lo que a moda se refiere. Pero a partir de este artículo, es imposible saberlo.

Lo que está en juego es potencialmente significativo. Una ventaja de los algoritmos de recomendación es que pueden aumentar significativamente las ventas si funcionan bien. Eso es algo que Amazon, Netflix, Apple y similares han descubierto para su beneficio. La posibilidad de que un algoritmo de recomendación de moda ayude a aumentar las ventas de los clientes proporcionará mucha motivación para realizar más investigaciones en esta área.

Por el momento, sin embargo, una cosa está clara. La construcción de sistemas de recomendación de moda es una tarea complicada y es probable que permanezca más allá del estado de la técnica durante algún tiempo.

Ref: http://arxiv.org/abs/1405.4013 : Mejora de las recomendaciones de moda visual con los usuarios en el bucle

esconder