Исследователи из AI VK Research разработали инновационный алгоритм, прогнозирующий долгосрочные изменения в предпочтениях пользователей для классических рекомендательных систем. Технология частично интегрирована в сервисы VK, сообщил руководитель отдела исследований Александр Дьяконов.
«Сегодня многие исследования сосредоточены на больших нейросетевых рекомендательных моделях. При этом во многих сервисах и отдельных компонентах рекомендательных систем классические алгоритмы остаются наиболее эффективным решением. Мы показали, что их можно дополнить механизмом планирования: учитывать не только текущую рекомендацию, но и ее возможное влияние на дальнейшее взаимодействие пользователя с контентом», — сообщил Дьяконов.
Разработанный метод позволяет оптимизировать всю цепочку подбора контента в тех сценариях, где применение громоздких нейросетей нецелесообразно из-за жестких ограничений по скорости и используемым мощностям. Главная особенность ИТ-решения заключается в возможности его быстрого внедрения в уже работающую программную архитектуру без необходимости проведения масштабной модернизации платформы.
Успешное тестирование перспективной технологии проводилось на базе нескольких открытых наборов данных, в число которых вошел специализированный датасет VK-LSVD. Результаты проведенных офлайн-экспериментов подтвердили существенное преимущество нового подхода перед традиционными инструментами фильтрации контента.
В рамках дальнейшего развития проекта команда инженеров и аналитиков намерена сфокусироваться на повышении точности сбора обратной связи от аудитории. Это позволит эффективно адаптировать созданный программный механизм для полноценного коммерческого использования в масштабных промышленных ИТ-продуктах. Показать код