Персональные подборки стали умнее: система теперь угадывает больше, чем вы ожидаете

Вместо десяти похожих фильмов или товаров — пять ожидаемых и пять неожиданных, но потенциально интересных. Новый алгоритм, разработанный исследователями из T-Bank AI Research, МФТИ и НИУ ВШЭ, способен именно на это.

Он помогает цифровым платформам находить баланс между точностью и неожиданностью, делая персонализированные подборки не только релевантными, но и разнообразными. Это важный шаг к удержанию внимания пользователей и росту вовлеченности.

Что изменилось в подходе

Классические алгоритмы подбирают рекомендации, ориентируясь на максимальную релевантность. Новый метод идет другим путем: вместо строгого отбора он использует вероятностную выборку из ограниченного числа кандидатов. Такой механизм помогает избежать однообразия и предлагает что-то новое, не теряя в точности.

Еще одно важное нововведение — пакетная выборка с увеличением размера. Это позволяет ускорить процесс рекомендаций, особенно на больших массивах данных. Количество итераций снижается в 10-100 раз по сравнению с традиционными моделями.

Гибкость под конкретные задачи

Уникальная особенность алгоритма — возможность управлять "консервативностью" выдачи. Если нужно подобрать что-то проверенное — пожалуйста. Хочется эксперимента — и это можно настроить. Такой гибкий подход расширяет пользовательский опыт и делает его более насыщенным.

Работает в разных сферах

Разработку протестировали на трех датасетах — для фильмов (MovieLens), покупок (Dunnhumby) и новостей (MIND). Алгоритм показал стабильные результаты в разных сценариях, включая быстро меняющийся новостной поток. И, что особенно важно — выдаёт подборки до 10% быстрее.

Уточнения

Иску́сственный интелле́кт или ИИ (англ. artificial intelligence; AI) в самом широком смысле — это интеллект, демонстрируемый машинами, в частности компьютерными системами.