Ученые «Сбера» и «Сколтеха» разработали архитектуру COTIC (Continuous-Time Convolutional), благодаря которой ИИ-модели могут учитывать временные промежутки между действиями пользователей. Она представляет собой сверточную нейросеть, работающую в непрерывном времени.

Модель обучается на сырых данных, фиксирует длинные зависимости между событиями и формирует универсальные эмбеддинги. Их можно применять для прогнозирования, классификации или поиска аномалий. Разработка предназначена для рекомендательных систем, финансовых сервисов и цифровых платформ, на которых учитывается поведение клиента.

Как объясняют ученые, в классических сверточных нейросетях (CNN) при обработке последовательностей событий с разными интервалами данные приходится искусственно разбивать на равные промежутки. Из-за этого теряется информация о том, сколько времени прошло между действиями пользователя. COTIC решает эту проблему.