В России создали алгоритм рекомендаций товаров, видео и музыки — он «умнее», чем у Netflix

Ученые из лаборатории T-Bank AI Research представили новый алгоритм, который значительно повысил точность онлайн-рекомендаций на 50%. Благодаря этой разработке покупатели смогут быстрее находить нужные товары в интернет-магазинах, а зрители онлайн-кинотеатров получат более персонализированные рекомендации.

Основой нового алгоритма стал усовершенствованный вариант популярного BPR (Bayesian Personalized Ranking), который на данный момент является одним из мировых стандартов. Новинка также обходит алгоритм Mult-VAE, разработанный Netflix, предлагая на 10% более точные рекомендации. Для достижения этих результатов потребовалось более 200 000 GPU-часов и 15 000 экспериментов.

© T-Bank AI Research

Суть работы заключается в том, что существующие алгоритмы рекомендательных систем часто имеют множество версий, которые различаются по эффективности. Ученые T-Bank AI Research пересмотрели и доработали компоненты алгоритма BPR, создав более эффективное решение. Новая модель превзошла существующие варианты почти на 50% по точности, что делает ее привлекательной для применения в электронной коммерции, стриминговых сервисах и образовательных платформах.

Александр Милоградский, исследователь рекомендательных систем, отметил, что новая модель демонстрирует, как правильная реализация алгоритмов может превзойти более современные версии, подчеркивая важность детального подхода к разработке.

Открытие российских ученых было представлено на конференции ACM RecSys в Бари, Италия. Участие в мероприятии было ограничено, и лишь 17% заявок прошло отбор.