Los editores de noticias buscan proporcionar una experiencia personalizada e informativa a sus lectores, pero la corta vida útil de los artículos puede dificultar esto. En la publicación de noticias, los artículos generalmente alcanzan su pico de lectura el mismo día de su publicación. Además, los editores suelen publicar nuevos artículos con frecuencia y desean mostrar estos artículos a los lectores interesados lo más rápido posible. Esto plantea desafíos para las metodologías de sistemas de recomendación basados en interacciones, como el filtrado colaborativo y los enfoques basados en el aprendizaje profundo utilizados en Amazon Personalize, un servicio gestionado que puede aprender las preferencias de los usuarios de su comportamiento pasado y ajustar rápidamente las recomendaciones para reflejar cambios en el comportamiento del usuario en tiempo casi real. Los editores de noticias, generalmente, no tienen el presupuesto ni el personal para experimentar con algoritmos internos y necesitan una solución completamente gestionada. En esta publicación, demostramos cómo proporcionar recomendaciones de alta calidad para artículos con vidas útiles cortas utilizando incrustaciones textuales en Amazon Bedrock. Amazon Bedrock es un servicio completamente gestionado que ofrece una selección de modelos fundacionales de alto rendimiento (FMs) de empresas líderes en inteligencia artificial (IA) como AI21 Labs, Anthropic, Cohere, Meta, Mistral AI, Stability AI y Am...