К ленте
Российские исследователи улучшили качество рекомендаций новых товаров до 35%

Новые методы повышения качества рекомендаций для новых товаров

Российские исследователи разработали два новых подхода для решения проблемы холодного старта в рекомендательных системах, повысив качество рекомендаций новых товаров и контента до 35%. Эти методы позволяют алгоритмам эффективно работать с объектами, по которым отсутствует история взаимодействий пользователей.

Модель E2L3AE

Первый подход использует модель E2L3AE, которая снимает ограничение базовой L3AE за счет совместного обучения текстового энкодера и рекомендательной системы. В отличие от раздельного обучения, такой метод позволяет энкодеру лучше понимать важные особенности объекта на основе данных о взаимодействиях пользователей.

Тестирование проводилось на пяти наборах данных: косметика и уход, игрушки и игры, продукты, офисные товары и одежда. Результаты показали превосходство E2L3AE над L3AE во всех тестах: полнота рекомендаций выросла на 20,3%, а качество ранжирования — на 17,2% на датасете офисных товаров.

Подход особенно эффективен для товаров с подробными описаниями, таких как косметика, одежда или игрушки. Модель решает проблему холодного старта, используя описание объекта даже при минимальном количестве взаимодействий пользователя. Текстовый энкодер можно использовать отдельно от рекомендательной модели, где он превосходит стандартные текстовые модели без дообучения.

Архитектура MoE-IGR

Вторая разработка представляет собой архитектуру MoE-IGR, объединяющую графовую модель со смесью экспертов. Система самостоятельно определяет, какая нейросеть-эксперт или их комбинация наиболее подходит для конкретного товара. Это позволяет адаптировать рекомендации под специфику каждого объекта.

Использование MoE-IGR позволило поднять качество ранжирования новых объектов в наборе данных MovieLens на 34,5% относительно метода PinSAGE. Архитектура демонстрирует высокую эффективность при работе с новыми данными, отсутствующими в истории обучения.

Представленные результаты были показаны командой исследователей в Риме на конференции ACM CIKM. Это одна из топовых научных конференций в области поиска и обработки информации уровня А, что подтверждает значимость достигнутых успехов в области машинного обучения и рекомендательных систем.

1,1 тыс. просмотров

Ещё из канала Метаверсище и ИИще

Похожие в категории Технологии

Steam могут заблокировать в России из-за налогов и данных пользователей

Steam могут заблокировать в России из-за налогов и данных пользователей

Steam могут заблокировать в РФ из-за отказа раскрывать данные пользователей. Платформа выплатила рекордные налоги в Казахстане, а в России планируют контролировать цифровые активы геймеров.

Технологии