Tesis Doctoral: Recomendación Personalizada de Documentos
El Reto: La Sobrecarga de Información en los Inicios de la Web (2003)
A principios de la década de 2000, la Web estaba experimentando un crecimiento exponencial. Sin embargo, los buscadores tradicionales devolvían los mismos resultados para todos los usuarios, sin importar su contexto, intenciones o nivel de conocimiento. La sobrecarga de información era ya un problema crítico. El reto consistía en diseñar sistemas capaces de filtrar automáticamente flujos de información y recomendar documentos adaptados a los objetivos específicos de búsqueda de cada persona, anticipándose a sus necesidades de manera inteligente (mucho antes de que plataformas como Netflix o Spotify popularizaran este concepto).
La Solución: Sistemas Recomendadores Basados en Objetivos
La investigación doctoral, titulada "Recomendación personalizada de documentos en sistemas de recuperación de la información basada en objetivos", propuso una arquitectura novedosa basada en modelado de usuario y agentes inteligentes:
- Modelado del Usuario por Objetivos: En lugar de definir el perfil del usuario únicamente por palabras clave estáticas, el sistema modelaba sus intenciones y objetivos de búsqueda en un plano conceptual, permitiendo una recomendación mucho más precisa y adaptada al contexto de la tarea.
- Algoritmos de Aprendizaje Adaptativo: El recomendador aprendía de forma continua a partir de la retroalimentación implícita (acciones de lectura, navegación, tiempo de permanencia) y explícita del usuario, ajustando de forma dinámica las ponderaciones del perfil.
- Colaboración Internacional (UMA & LORIA):** La tesis se desarrolló en régimen de co-dirección entre la Universidad de Málaga (bajo la tutoría del Dr. Ricardo Conejo) y el prestigioso centro de investigación francés **LORIA** (Laboratoire Lorrain de Recherche en Informatique et ses Applications, en Nancy, bajo la co-dirección del Dr. Amos David), donde realicé una estancia de investigación clave para el diseño del modelo.</li>
- Base para TPTV (Tele Personalizada): Los algoritmos y modelos conceptuales de esta tesis sirvieron posteriormente de base para el desarrollo del proyecto **TPTV** (2007), uno de los primeros sistemas web en España para la recomendación personalizada de programación de televisión a la carta.
</ul>El Impacto: Pionero en la IA de Recomendación
Este trabajo representó una aportación relevante en el área de la Recuperación de Información Personalizada y la Inteligencia Artificial aplicada:
- 🏆 Defensa y Calificación: Defendida en diciembre de 2003 en la Universidad de Málaga, obteniendo la máxima calificación académica (Sobresaliente Cum Laude).
- 📂 Preservación Histórica: El código fuente original del prototipo de investigación, desarrollado en Java y estructurado con tecnologías de la época (XML, servlets), ha sido rescatado y subido en formato de código abierto en github.com/davidbuenov/tesis para su preservación digital.
- 📚 Publicación Científica: La investigación asociada se publicó en revistas indexadas como la Revista Iberoamericana de Inteligencia Artificial y se encuentra catalogada en bases de datos científicas de referencia como Dialnet.
