Estrategias de recomendación semántica para productos innovadores: un caso de estudio Zero-Shot con IQOS
Date
2025
Authors
Silva Alva, Peter Joe
relationships.isContributorOfPublication
Fraiman, Daniel
Journal Title
Journal ISSN
Volume Title
Publisher
Universidad de San Andrés. Departamento de Matemática y Ciencias
Abstract
El objetivo de esta tesis es abordar el problema del Zero-Shot (cold start extremo) en los sistemas de recomendación mediante el diseño e implementación de estrategias de Zero-Shot learning aplicadas al ecosistema de productos IQOS. Se desarrollan y comparan tres enfoques: un sistema basado en embeddings semánticos, otro utilizando modelos de lenguaje de gran escala (LLM), y un modelo híbrido que combina ambos mediante una arquitectura de “retrieve and re-rank”. Los resultados cuantitativos muestran que el modelo híbrido supera a los enfoques individuales, mitigando alucinaciones del LLM y mejorando la precisión semántica. Cualitativamente, el híbrido ofrece justificaciones persuasivas, destacando la importancia de descripciones enriquecidas.
Description
Fil: Silva Alva, Peter Joe. Universidad de San Andrés. Departamento de Matemática y Ciencias; Argentina.