Ponente
Descripción
El aumento de la demanda de herramientas que sean capaces de ayudar a los usuarios a acceder a la información relevante se debe al rápido crecimiento de los volúmenes de dicha información. Las empresas poseen un alto interés en recomendarle a sus usuarios los artículos que logren maximizar cada vez más la satisfacción de los mismos. La necesidad de hacer más fácil el uso del aprendizaje de máquinas para la resolución de todo tipo de tareas basadas en datos, ha llevado a un auge de técnicas para la automatización de dicho proceso. Este trabajo presenta la utilización de un sistema de aprendizaje de máquinas automatizado (AutoML) para la resolución de problemas de ranking. La biblioteca de AutoML seleccionada para el desarrollo de la investigación es AutoGOAL. A dicha biblioteca se adaptan todas las funcionalidades
necesarias para solucionar tareas básicas de lo que se conoce como Learning to Rank (LTR). Entre estas nuevas características se encuentran las métricas, tipos de entrada y algoritmos dedicados explícitamente a tareas de LTR. Tras pocas iteraciones en el proceso de optimización de hiperparámetros, la propuesta presenta resultados positivos sobre los conjuntos de datos trabajados. En comparación a las evaluaciones de dichos algoritmos fuera del sistema de AutoGOAL, los valores obtenidos son favorables. Una implementación de AutoGOAL con la biblioteca de algoritmos de ranking se encuentra disponible de forma gratuita en GitHub.
