OSMOZ-IT — Proyecto de matching semántico

Contexto

OSMOZ-IT encuentra dificultades en la identificación de episodios de series: títulos y números varían según el país de emisión, lo que complica las correspondencias. Un piloto rápido con OpenSearch confirmó la viabilidad de un enfoque de matching semántico de sinopsis.

Solución entregada

• Motor vectorial : OpenSearch desplegado en Docker para la búsqueda semántica.
• Embeddings multilingües : conversión de las sinopsis en vectores de embeddings mediante modelos multilingües.
• Importación y búsqueda : ingesta de datos en varios idiomas, búsqueda vía Dev Tools y API REST.
• Benchmark comparativo : evaluación de modelos, estrategias de búsqueda y análisis estadístico.
• Entrega llave en mano : Dockerfile, Docker Compose, síntesis técnica, notebook de demo y resultados de pruebas.

Benchmark

Se realizó un enfoque de benchmark para validar la solución: comparación de modelos de embedding (propietario vs. open source), análisis de estrategias de búsqueda (umbral de puntuación mínima, top-k) y evaluación estadística (precisión, recall, MRR, NDCG). El objetivo era alcanzar una tasa de matching correcto superior al 90 % en una muestra representativa.

Testimonio del cliente

«Recurrí a Ninoh y Joël para desarrollar un prototipo de matching semántico de episodios de series. La calidad del entregable y la precisión de su informe superaron ampliamente mis expectativas. Recomiendo encarecidamente a Ninoh y Joël a cualquier empresa que desee contar con expertos en IA fiables y rigurosos.»

— Marc OZONNE, Cofundador, OSMOZ-IT