Технология уже интегрирована в сервисы экосистемы и была представлена на конференции KDD 2026. Главное преимущество подхода — совместимость с существующей архитектурой: компаниям не придется радикально перестраивать свои системы, чтобы внедрить новый модуль оценки влияния контента на пользовательский путь. В условиях ограниченных вычислительных мощностей это дает ощутимое преимущество перед тяжелыми нейросетевыми моделями.
VK обучил алгоритмы предсказывать будущие интересы пользователей
Исследователи VK Research представили метод, который позволяет рекомендательным системам учитывать долгосрочные последствия выдачи контента. Разработка не просто фиксирует текущие предпочтения, а просчитывает, как конкретная рекомендация изменит поведение человека в будущем, помогая классическим алгоритмам работать точнее без увеличения нагрузки на серверы.
Испытания на открытых данных, включая набор VK-LSVD, подтвердили эффективность метода: качество подбора контента в цепочке рекомендаций выросло по сравнению с традиционными способами обработки данных. Команда планирует развивать технологию, чтобы алгоритмы быстрее реагировали на обратную связь и могли масштабироваться для решения более сложных прикладных задач в индустрии.
Комментарии (0)
Пока нет комментариев. Будьте первым!