Egresados del Instituto Politécnico Nacional (IPN) crearon un sistema capaz de emitir recomendaciones sobre el tipo de vehículo que se ajuste a las necesidades del usuario con base en sus preferencias, datos técnicos y opiniones de las personas que han adquirido un modelo nuevo del mercado de autos mexicano.
El proyecto RecomendAutos,”tu asesor inteligente”, fue desarrollado en la Unidad Profesional Interdisciplinaria en Ingeniería y Tecnologías Avanzadas (UPIITA), como parte del proyecto de titulación de los ingenieros Marco Antonio Rojas García y Francisco Javier Bruno Sandoval, quienes lo desarrollaron en varias etapas, una de ellas fue clasificar las preferencias y necesidades de los usuarios para conformar perfiles.
“Con una lista de los aspectos que pudieran ser de mayor interés a la hora de elegir un auto nuevo entrenamos al sistema mediante un algoritmo de aprendizaje automático no supervisado denominado K-modes Clustering, que permite agrupar grandes conjuntos de datos para generar un modelo de clasificación, de la cual resultaron seis perfiles de usuario”, expusieron los ingenieros en Telemática.
Con la asesoría del profesor Miguel Félix Mata Rivera, de la UPIITA, se integró una base de datos con 420 fichas técnicas de modelos pertenecientes a 20 marcas de vehículos, con las opiniones y calificaciones que se hacen en páginas web especializadas, con las que elaboraron una hoja estandarizada de puntuaciones, que coincide con cada uno de los perfiles generados por el sistema.
Esta aplicación, que se ejecuta en un servidor, requiere que el usuario responda un formulario mediante una aplicación móvil con sistema operativo Android, para conocer sus necesidades, entre las que destacan: el número de personas que viajan en el vehículo, si llevan niños pequeños o personas con limitaciones físicas, si sus trayectos tienen pendientes y otros aspectos como seguridad, equipamiento, confort, costo y sistemas de entretenimiento, entre otros.
Al terminar el cuestionario, el sistema elige alguno de los seis perfiles para añadirlo a un recomendador híbrido que combina dos métodos en cascada, en dos etapas: en la primera utiliza la técnica de web scraping que filtra las calificaciones y comentarios con las mejores puntuaciones de su categoría, de acuerdo al perfil del usuario y en la segunda, un algoritmo de similitud de textos que filtra los modelos que coinciden con los atributos de los vehículos seleccionados por el comprador.
Una vez realizado el proceso, el “Sistema recomendador para la compra de automóviles basado en perfil de usuario utilizando minería de datos y Machine Learning”, que los politécnicos elaboraron para graduarse como Ingenieros en Telemática, emite una recomendación que puede ser de tres a cinco opciones de automóviles que se ofertan en México y que son mostrados al usuario en la interfaz de la aplicación móvil, con los comentarios correspondientes a la marca y modelo sugerido.