По результатам испытаний технология повысила точность подбора контента
Исследователи AI VK Research разработали подход, позволяющий классическим рекомендательным алгоритмам учитывать не только текущие интересы пользователя, но и то, как рекомендации могут повлиять на его дальнейшие предпочтения. Решение уже применяется для ряда прикладных задач в экосистеме VK, а результаты работы представлены на международной конференции KDD 2026.
В современных сервисах основную роль играют нейросетевые модели, однако классические алгоритмы по-прежнему востребованы там, где важны высокая скорость обработки данных и экономия вычислительных ресурсов. Новый метод помогает оценивать влияние текущих рекомендаций на последующие, улучшая качество всей цепочки подбора контента. При этом его можно интегрировать в существующие рекомендательные системы без существенного изменения их архитектуры.
В ходе испытаний на нескольких открытых наборах данных, включая VK-LSVD, подход продемонстрировал более точный подбор рекомендаций по сравнению с традиционными методами. В дальнейшем исследователи намерены расширить возможности технологии, чтобы точнее учитывать обратную связь пользователей и применять ее в более широком круге промышленных задач.