Исследователи из T-Bank AI Research разработали новый алгоритм, который повысил точность рекомендаций в интернете на 50%. Этот алгоритм позволит покупателям быстрее находить товары в онлайн-магазинах, а пользователям стриминговых платформ получать более точные персонализированные рекомендации.
Freepic
В основе новой технологии лежит усовершенствованный вариант метода BPR (Bayesian Personalized Ranking), одного из признанных стандартов в сфере рекомендаций. Новый подход также превзошел алгоритм Mult-VAE от Netflix, предлагая на 10% более точные результаты. Для разработки потребовалось более 200 000 часов работы на GPU и выполнение 15 000 экспериментов.
Основная задача нового алгоритма — устранение неэффективности в существующих рекомендательных системах. Специалисты из T-Bank AI Research пересмотрели структуру BPR и улучшили ее, создав более производительное решение. Это привело к почти 50%-му увеличению точности рекомендаций, что делает алгоритм перспективным для использования в таких областях, как онлайн-торговля, стриминг и образовательные платформы.
Александр Милоградский, эксперт по рекомендательным системам, подчеркнул, что новая модель демонстрирует, как правильное внедрение проверенных алгоритмов может обойти более современные решения, что подчеркивает важность внимательной работы над разработками.
Эти результаты были представлены на конференции ACM RecSys в Бари, Италия. Отбор прошли лишь 17% поданных заявок, что подчеркивает значимость этого открытия российских ученых.
