Российский поисковик и технологическая компания внедрила инновационные системы рекомендаций, основанные на генеративных моделях под названием ARGUS. Эти алгоритмы способны работать в реальном времени и предоставлять более точные рекомендации по товарам и музыкальным композициям, которые с высокой вероятностью придутся пользователям по вкусу.

Ранее в алгоритмах Яндекса использовалась нейросеть-трансформер, которая анализировала длинные последовательности данных для выявления связей. Эта модель обрабатывала два вида информации: обезличенные взаимодействия пользователей с сервисом (например, клики, лайки, поисковые запросы, прослушивания и покупки) и сами объекты — треки, товары, фильмы, которые могут быть рекомендованы.

Такая система, получившая название «двухбашенная», объединяла данные в общую систему и искала похожие объекты в общем пространстве. Однако, с развитием технологий было решено повысить эффективность системы, масштабировав модель и создав новую архитектуру.

Так появились изменения: новая система стала учитывать более 8000 последних действий пользователя, что существенно расширяет анализ истории взаимодействий и помогает выявлять долгосрочные поведенческие паттерны.

Кроме того, ARGUS анализирует всю историю взаимодействий, включая негативные реакции, такие как игнорирование или неудачные рекомендации, а также учитывает контекст, в котором была сделана подсказка. Это позволяет точнее предсказать реакции пользователя на рекомендуемые объекты.

Благодаря более эффективной архитектуре, систему ARGUS можно запускать в реальном времени, тогда как предыдущие модели обрабатывали данные раз в сутки. Эта инновация показывает значительное улучшение качества рекомендаций: в музыкальном сервисе Яндекс Музыка пользователи стали чаще лайкать новые треки, а в Яндекс Маркете — увеличился процент покупок по рекомендациям в новых категориях.

Новые алгоритмы уже применяются в отдельных сервисах, и планируется их расширение на другие платформы Яндекса.

Источник: @malepeg