
Российские исследователи разработали усовершенствованный метод обучения рекомендательных систем на основе искусственного интеллекта. Основой нового подхода стало выборочное сэмплирование, которое позволяет ускорить процесс обучения нейросетей. В рамках этого метода создаются наборы положительных и отрицательных примеров поведения пользователей. Положительные примеры могут включать лайки или товары, добавленные в корзину, в то время как отрицательные примеры представляют страницы, которые не вызвали интереса.
Ранее ключевым недостатком подхода была формула LogQ, не учитывающая различия между положительными и отрицательными примерами. Ученые скорректировали ее, чтобы она могла эффективно обрабатывать оба типа данных.
Новый алгоритм был протестирован на популярных наборах данных и продемонстрировал значительное улучшение качества рекомендаций. Метод планируется использовать в рекомендательных сервисах различных компаний, что должно значительно повысить эффективность подбора контента на видеохостингах, в интернет-магазинах и на других цифровых платформах.
По информации Яндекса, компания намерена интегрировать новую методику в процесс обучения своих моделей.


