Aplicaciones 🇷🇺 06.08.2026 04:02

Cómo un modelo de lenguaje de gran tamaño revivió una función de Google Maps (con habilidad de Claude incluida)

AnthropicAnthropic OpenAIOpenAI DataForSEODataForSEO ApifyApify
Un desarrollador utiliza modelos de lenguaje de gran tamaño y API públicas para recrear la función 'Tu coincidencia' de Google Maps, que fue eliminada en 2023. El enfoque implica extraer reseñas de contribuyentes mediante DataForSEO y Apify, puntuar a los candidatos con filtrado colaborativo y enfrentar desafíos como listas virtualizadas y tiempos de espera.
En 2018, Google Maps presentó 'Tu coincidencia': un porcentaje que indicaba la probabilidad de que un usuario disfrutara de un restaurante según sus reseñas pasadas. La autora confió en esta función hasta que se eliminó silenciosamente en 2023. Para recrearlo, utilizó un enfoque de filtrado colaborativo basado en usuarios: encontrar personas cuyas calificaciones se correlacionan con las tuyas y luego recomendar lugares que les gustaron y que no has probado. Sin embargo, extraer datos directamente de Google Maps resultó difícil debido a listas virtualizadas y eventos de desplazamiento sintéticos ignorados, así que optó por dos APIs de pago: DataForSEO (para reseñas de lugares iniciales) y el actor de extracción de contribuyentes de Apify (para historiales de reseñadores). El flujo de trabajo recopiló alrededor de 730 reseñadores y 32,500 reseñas, generando alrededor de 4,000 lugares candidatos. La fórmula de puntuación pondera a los partidarios por afinidad (superposición con tus gustos iniciales) y reduce el peso según la actividad (cantidad de reseñas) para evitar sesgos de reseñadores prolíficos pero indiscriminados. Los costos fueron significativos: Apify cobró $0.0015 por fila de reseña (total $48.67), mientras que DataForSEO fue más barato por reseña pero carecía de extracción a nivel de contribuyente. La habilidad y el script finales están disponibles en un repositorio, con la advertencia de que el método no es un sistema recomendador real y no corrige el sesgo de popularidad.
Fuente: Habr — хаб ML — original
Nuestros artículos anteriores sobre este tema ↓
Noticias frescas