En la era del streaming, los usuarios suelen buscar películas que se alineen con sus preferencias emocionales o descriptivas (ej.: "quiero una película nostálgica sobre amistad en los 90"). Este proyecto propone un sistema de recomendación de películas basado en texto libre, utilizando técnicas de Procesamiento de Lenguaje Natural (NLP) y modelos de embeddings para traducir descripciones en lenguaje natural a sugerencias personalizadas. A diferencia de los filtros tradicionales (género, año), este sistema interpreta la intención semántica del usuario, ofreciendo resultados más dinámicos y relevantes.
Objetivo
IDesarrollar un modelo que recomiende películas basado en descripciones de texto libre. Calcular similitud entre la entrada del usuario y una base de datos de sinopsis de películas.
Metodologia
CRISP-DM
Visualización de datos
El resultado del modelo se organiza en tres elementos: Título de la película recomendada. Sinopsis de la película. Término(s) clave que justifican la recomendación.
Conclusiones
Este proyecto demuestra cómo el NLP y los sistemas de recomendación semántica pueden mejorar la experiencia de búsqueda de contenido audiovisual, yendo más allá de los filtros estructurados.
Adicionales
- Link a repositorio: Github