Российская компания Яндекс объявила о запуске новых рекомендационных алгоритмов, основанных на передовых генеративных моделях — ARGUS. Эти системы способны работать в реальном времени и обеспечивать более точный подбор товаров, музыкальных треков и других объектов, максимально соответствующих предпочтениям пользователей.

Ранее

Основой рекомендационных систем Яндекса, например, для Яндекс Музыки, долгое время служила нейросеть-трансформер. Она анализирует длинные и сложные последовательности данных, находя между ними связь. В системах использовались два потока информации:

• Обезличенные взаимодействия пользователя с сервисом — куда входят клики, лайки, поисковые запросы, прослушивание треков и добавление товаров в корзину.
• Объекты, которые могут быть рекомендованы — это треки, товары или фильмы.

Такая архитектура называется «двухбашенной», так как она объединяет оба потока данных в едином пространстве для поиска релевантных рекомендаций.

Что изменилось

Исследователи Яндекса предложили масштабировать модель и создать новую архитектуру, чтобы повысить точность рекомендаций. В результате появились следующие улучшения:

• Ранее система учитывала всего около двух тысяч последних взаимодействий пользователя, а новая — более 8000. Это позволяет выявлять долгосрочные паттерны поведения.
• Раньше учитывались только успешные действия, такие как лайки или покупки, а новая система анализирует все взаимодействия, включая отклонения и негативный отклик, а также учитывает контекст, в каком месте и в каком положении была сделана рекомендация.
• Благодаря такой архитектуре ARGUS может работать в реальном времени, в отличие от более тяжелых трансформерных моделей, требующих расчётов раз в сутки.

Эффективность внедрения

Первые результаты применения новых алгоритмов заметно улучшили качество рекомендаций. В Яндекс Музыке пользователи стали на 20% чаще лайкать новые треки, а в Яндекс Маркете на 5% выросло число покупок в новых категориях по рекомендациям. В будущем технология будет применяться и в других сервисах Яндекса, где используются системы рекомендаций.

Для получения обновлений и новостей стоит подписаться на соответствующие каналы.

Источник: @malepeg