Умные рекомендации наперед: VК улучшила алгоритмы подбора контента

Исследователи AI VK Research разработали новый подход к работе рекомендательных систем, который помогает алгоритмам прогнозировать дальнейшие предпочтения пользователей. Технология позволяет учитывать не только текущую реакцию человека на контент, но и то, как одна рекомендация может повлиять на последующее взаимодействие с сервисом.

Разработка создана в рамках развития рекомендательных технологий VK и уже применяется в отдельных прикладных задачах. Исследование было принято на воркшопе Customer Journey международной конференции KDD 2026.

Сегодня в рекомендательных сервисах VK основную нагрузку несут современные нейросетевые модели. Однако классические алгоритмы по-прежнему востребованы в ситуациях, где особенно важны высокая скорость работы и экономное использование вычислительных ресурсов.

Обычно такие системы подбирают пользователю контент, ориентируясь преимущественно на его текущие интересы. Новый механизм меняет этот принцип: он позволяет оценивать возможные последствия каждой рекомендации и формировать более качественную последовательность предложений.

При этом внедрение технологии не требует полной перестройки уже существующей архитектуры рекомендательной системы.

«Сегодня многие исследования сосредоточены на больших нейросетевых рекомендательных моделях. При этом во многих сервисах и отдельных компонентах рекомендательных систем классические алгоритмы остаются наиболее эффективным решением. Мы показали, что их можно дополнить механизмом планирования: учитывать не только текущую рекомендацию, но и ее возможное влияние на дальнейшее взаимодействие пользователя с контентом. Такой подход повышает качество рекомендаций без существенного роста вычислительных затрат и позволяет применять современные методы планирования там, где использование тяжелых нейросетевых моделей неоправданно», — отметил Александр Дьяконов, руководитель отдела исследований AI VK Research.

Эффективность нового подхода проверили на нескольких открытых наборах данных, включая VK-LSVD. В ходе офлайн-экспериментов система показала более высокое качество подбора контента по сравнению с классическим способом отбора рекомендаций.

В дальнейшем команда планирует изучить способы более точного учета пользовательской обратной связи и адаптировать технологию для более широкого промышленного использования.

Еще больше новостей — у Пятого канала в мессенджере МАКС.