Amazon acaba de presentar un opción muy interesante que afecta a Amazon Kendra, un servicio que utiliza tecnología de aprendizaje automático (ML) para proporcionar búsquedas inteligentes. El servicio indexa documentos de diferentes repositorios y encuentra los resultados más relevantes para el usuario en base a las palabras clave o preguntas que se buscan. Sin embargo, a veces necesitamos filtrar los resultados de búsqueda según el contexto del usuario que realiza la búsqueda. Es ahí donde entra en juego la personalización de los resultados de búsqueda.
Nos enfocaremos en recuperar resultados de búsqueda personalizados que se aplican a un usuario o grupo de usuarios específico. Por ejemplo, si eres un profesor de ciencias de la computación en una institución educativa, y buscas «cursos de la facultad», los documentos relevantes para el mismo departamento aparecerán como primeros resultados, en función de la disponibilidad de la fuente de datos.
Para personalizar los resultados de búsqueda en Amazon Kendra, podemos identificar información de metadatos única asociada con los documentos que se indexan y buscan. Cuando el usuario inicia sesión en un chatbot de Amazon Lex, la información de contexto del usuario se puede derivar de Amazon Cognito.
El chatbot de Amazon Lex se puede integrar en Amazon Kendra mediante una integración directa o mediante una función de AWS Lambda. Utilizando la función de AWS Lambda, podemos pasar información contextual del chatbot de Amazon Lex a Amazon Kendra para afinar las consultas de búsqueda.
En Amazon Kendra, podemos proporcionar atributos de metadatos de documentos mediante atributos personalizados. Después de completar los pasos de indexación y generación de metadatos del documento, podemos concentrarnos en refinar los resultados de la búsqueda utilizando los atributos de los metadatos. Podemos asegurarnos de que los usuarios obtendrán resultados de búsqueda clasificados según su relevancia para el departamento, lo que mejorará la calidad de los resultados de búsqueda.
Ahora, veamos cómo construir esta solución en más detalle. Para demostrar esta solución, utilizaremos un índice de documentos de Amazon Kendra que consume datos de un depósito de Amazon Simple Storage Service (Amazon S3).
Configuraremos un chatbot simple con Amazon Lex que se conectará al índice de Amazon Kendra a través de una función de AWS Lambda. Los usuarios confiarán en Amazon Cognito para autenticarse y obtener acceso a la interfaz de usuario del chatbot de Amazon Lex. Con esta configuración, los resultados de la búsqueda se personalizarán en función del departamento al que pertenece el usuario.
Más información en: New expanded data format support in Amazon Kendra
.- Curso de especialización en Inteligencia Artificial, Universidad de Buenos Aires, Argentina (2018-2019)
- [con]Neurona #18 - 24 de junio de 2023
- Snowflake en conversaciones avanzadas para adquirir la startup de búsqueda de inteligencia artificial Neeva - 18 de mayo de 2023
- La importancia de la anotación de la tonalidad de piel en la visión por computadora - 16 de mayo de 2023
