Netflix ha desarrollado un nuevo sistema de recomendaciones llamado GenRec, que utiliza un modelo de lenguaje para mejorar la calidad de las sugerencias a los usuarios. Este innovador sistema ha demostrado ser más eficiente que el anterior, que dependía de miles de características elaboradas a mano, al requerir una fracción de los datos de entrenamiento etiquetados. Las pruebas realizadas, tanto en entornos offline como en un experimento A/B en vivo, han mostrado mejoras significativas en la calidad de las recomendaciones.
El proceso de entrenamiento de GenRec se lleva a cabo en dos etapas. En la primera, un modelo de lenguaje de peso abierto es ajustado con datos de Netflix para que comprenda el catálogo y el comportamiento del usuario. La segunda fase consiste en entrenar este modelo base para que actúe como un clasificador de recomendaciones, actualizándose con frecuencia para reflejar nuevos títulos y cambios en las preferencias de los usuarios.
Este enfoque permite convertir el historial de visualización y el contexto de los usuarios en texto sencillo, facilitando la identificación de patrones de interés sin la necesidad de características manualmente definidas. Aunque los modelos de lenguaje convencionales aún presentan limitaciones para las recomendaciones, GenRec busca superar esos desafíos y adaptarse mejor a la diversidad del contenido que ofrece Netflix.