Учёные Сбера нашли способ повысить точность персональных рекомендаций в онлайн-сервисах

 

Пользователи маркетплейсов и онлайн-сервисов (игры, кино, музыка и другие) смогут быстрее ориентироваться в многообразии выбора, сразу узнавать о новинках и экономить время на поиске необходимого товара или контента. В этом людям помогут улучшенные рекомендательные системы, методы для оценки которых представили учёные Лаборатории искусственного интеллекта Сбербанка. Об этом решении стало известно в рамках трека «Наука» международной конференции AI Journey («Путешествие в мир искусственного интеллекта»), сообщается на сайте банка.

 

Научная статья «Это точно последовательность? Как проверить данные перед использованием сложных моделей рекомендаций» (Does It Look Sequential? An Analysis of Datasets for Evaluation of Sequential Recommendations) была опубликована в сборнике международной научной конференции по рекомендательным системам ACM RecSys 2024 и признана одной из лучших.

 

Специалисты исследовали датасеты в открытом доступе на наличие закономерностей, которые могут быть полезны для обучения алгоритмов рекомендательных систем, основанных на порядке взаимодействий. В результате выяснилось, что большинство из популярных датасетов для этой цели не подходят. Также учёные смогли определить датасеты, в которых такие алгоритмы работают корректно и выполняют поставленную задачу.

 

Благодаря всесторонней оценке специалисты лаборатории искусственного интеллекта Сбербанка разработали новый подход и предложили конкретные рекомендации, чтобы проверить, подходят ли сложные алгоритмы обучения, которые анализируют порядок взаимодействий, для имеющихся данных или стоит использовать более простые подходы.

 

Рекомендательные системы часто используют порядок действий пользователя, чтобы предсказывать, что ему предложить дальше. Например, если человек ищет в интернет-магазине обувь определённого фасона и бренда, но нужного размера не находит, алгоритм тут же покажет ему похожую обувь аналогичного или другого бренда. Таким образом, при правильном подборе алгоритмов пользователи маркетплейсов и онлайн-сервисов получат более точные и персонализированные рекомендации.

 

Глеб Гусев, директор лаборатории искусственного интеллекта Сбербанка:

 

Сегодня рекомендательные системы играют важную роль в развитии искусственного интеллекта, оказывая влияние на самые разные аспекты нашей жизни — от онлайн-покупок до прослушивания музыки. Но важно понимать, что успех таких систем зависит от точности подбора алгоритмов и их адаптации к конкретным задачам. Для меня особенно важно, что статья о секвенциальности датасетов была номинирована на награду Best Short Paper на конференции RecSys, что подтверждает нашу конкурентоспособность в сфере ИИ. Кроме этого, Россия в этом году вошла в десятку мировых лидеров по числу научных публикаций на конференции RecSys, в том числе благодаря нашим статьям, написанным совместно с коллегами из Института AIRI, ведущих вузов и рекомендательной платформы банка.

 

Результаты исследования позволят учёным выбирать более подходящие наборы данных для своих исследований и точнее оценивать работу алгоритмов. А разработчикам в области искусственного интеллекта станет проще понять, можно ли доверять результатам конкретного исследования в области рекомендательных систем и подобрать подходящие алгоритмы для данных, на которых они планируют обучать AI-модели.