La línea principal de investigación de este grupo se centra en el área de Sistemas de Recomendación, orientada tanto a usuarios individuales como a grupos de usuarios. Estos sistemas realizan recomendaciones o sugerencias de ítems (productos, contenido, usuarios, etc.) potencialmente interesantes para los usuarios, basados en diferentes fuentes de información tales como: historial de navegación, selección y valoración de ítems, información demográfica, elecciones o decisiones tomadas previamente, feedback provisto ante las sugerencias realizadas, entre otros elementos.

El grupo se especializa en el análisis de grandes volúmenes de datos y textos proveniente de redes sociales para la generación de conocimiento para la predicción en distintos ámbitos, con énfasis en el procesamiento de lenguaje natural (NLP), técnicas de aprendizaje de máquina sobre grandes volúmenes de datos y el análisis de grandes grafos sociales. La aplicación de estos sistemas se puede ver en diversos dominios generalmente asociados al comercio electrónico (Amazon por ej.), entretenimiento (Netflix por ej.), o redes sociales (como Twitter o Facebook).

Los sistemas de recomendación resultan de gran interés tanto desde el punto de vista de la investigación y desarrollo, pero también constituyen un recurso transferible a empresas que busquen analizar datos de comportamiento de usuarios (por ej. clientes) con el fin de incluir tecnologías de recomendación en sus productos, tanto para un perfil de usuario determinado como a grupos de usuarios.

Algunas líneas de investigación son:

  • Análisis de datos y textos en redes sociales
  • Procesamiento de lenguaje natural (NLP) para el análisis de texto en redes sociales
  • Técnicas de aprendizaje de máquina para grandes volúmenes de datos
  • Sistemas de recomendación a usuarios y grupos de usuarios
  • Soporte al procesamiento distribuido de grandes grafos sociales
  • Sistemas de recomendación en redes sociales geolocalizadas.
  • Sistemas de recomendación multi-dominio
  • Seguimiento de productos comerciales en los medios para evaluar el efecto de su lanzamiento. Se hace para productos farmacéuticos como medicamentos pero puede extender a cualquier producto comercial.

Algunos proyectos de ejemplo relacionados con estas líneas:

  • Construcción de conjuntos de datos para aprendizaje de máquina a través de proyectos financiados por Facebook Research.
  • Predicción de variables meteorológicas aplicando IA para prescindir de una estación hardware y su mantenimiento operativo. En conjunción con el instituto IHLLA.
  • Desarrollo de motor de búsqueda de resultados de investigación en los sitios de universidades y otros entes. Proyecto para la CICPBA.
  • Análisis de comportamiento de usuarios mediante modelos look-alike para la expansión de audiencias y targeting de publicidades. Proyecto con la empresa Retargetly.

Actualizado: