Исследователи AI VK Research предложили новый подход, который позволяет классическим рекомендательным системам учитывать как текущие интересы пользователей, так и предпочтения в будущем. Он был разработан в ходе развития рекомендательных систем VK и используется для решения отдельных прикладных задач.

Как пояснили в компании, обычно алгоритмы подбирают контент исходя из того, что больше всего подходит пользователю в настоящий момент. Новый подход позволяет учитывать, как сегодняшняя рекомендация повлияет на следующие, чтобы вся их цепочка становилась качественнее.

«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», — заявили в компании.

Новый подход протестировали на открытых датасетах, включая VK-LSVD. В офлайн-экспериментах он показал более высокое качество рекомендаций по сравнению с классическим методом отбора контента. В будущем планируется исследовать способы точнее учитывать обратную связь пользователей и адаптировать подход для более широкого промышленного применения.

Научная статья доступна на arXiv.

В феврале VK сообщал, что внедрит в поисковые системы своих сервисов визуально-языковую модель.