Как работают нейронные сети в системах рекомендаций?

Нейронные сети в системах рекомендаций анализируют не отдельные действия, а целостный портрет человека. tproger.ru Они объединяют анализ контента, поведения и ранжирования в единую архитектуру, формируя целостную модель интересов. tproger.ru

Процесс работы включает несколько этапов: tproger.ru

1. Отбор кандидатов. tproger.ru С помощью поиска ближайших соседей за миллисекунды находятся тысячи кандидатов, которые хотя бы примерно соответствуют интересам пользователя. tproger.ru
2. Предранжирование. tproger.ru Из тысячи кандидатов нужно выбрать пару сотен наиболее перспективных. tproger.ru Здесь работают алгоритмы градиентного бустинга, которые учитывают дополнительные признаки: насколько свежа публикация, насколько популярен автор, как часто пользователь взаимодействовал с похожим контентом. tproger.ru
3. Финальное ранжирование. tproger.ru Применяются глубокие нейросети, включая нейросетевые версии коллаборативной фильтрации, которые учитывают интересы похожих пользователей. tproger.ru Они прогнозируют, что пользователь будет делать дальше: досмотрит ли видео, поставит ли лайк или репостнёт. tproger.ru

Для описания пользователя и контента используются эмбеддинги — числовые векторы, которые отражают интересы и характеристики. tproger.ru nplus1.ru Пользовательские эмбеддинги строятся по лайкам, просмотрам, времени активности, подпискам. tproger.ru Контент кодируется по заголовкам, описаниям, тегам, обложкам, звуку и даже тону комментариев. tproger.ru

Некоторые преимущества использования нейросетей в системах рекомендаций:

• Улавливание динамики интересов пользователя. nplus1.ru Нейросети считывают, как меняются предпочтения человека во времени. nplus1.ru
• Мультимодальность. nplus1.ru Нейросеть обрабатывает текст, изображения, видео и звук как единое целое. nplus1.ru Ей не нужны вручную собранные признаки: она сама учится понимать смыслы и связи между форматами. nplus1.ru
• Обобщение при разреженности. nplus1.ru Когда данных о пользователе или контенте мало, нейросети умеют переносить знания: если кто-то посмотрел видео по аналогичной теме или в похожем стиле, система догадается, что это может заинтересовать и новичка. nplus1.ru