Четыре видео для начинающих разработчиков рекомендательных систем

Все современные рекомендательные системы основаны на машинном обучении. Неважно, что ваша система рекомендует пользователям: контент в соцсетях, музыку на музыкальном сервисе или товары на Яндекс.Маркете. И как во многих задачах машинного обучения, в рекомендациях неплохо себя показывают нейронные сети. Посмотрите на эту тему два выступления — вводную учебную лекцию Евгения Соколова (консультанта Яндекс.Дзена и преподавателя Вышки и ШАДа), а также более хардкорный доклад Дмитрия Ушанова (который тоже работает в Дзене — руководит службой качества рекомендаций). Женя объяснил, что в принципе представляют из себя рекомендательные системы, а Дима перечислил современные нейросетевые подходы к рекомендациям и их преимущества в сравнении с классическими методами.

https://youtu.be/n--5_Env1UU

https://youtu.be/N0NUwz3xWX4

Популярные сервисы рекомендаций потому и популярны, что работают неплохо. Это означает, что базовая задача плюс-минус решена. Многие разработчики сейчас сосредоточены не на том, чтобы повышать на доли процента и без того высокое качество (хотя это по-прежнему важный процесс), а на менее очевидных проблемах. Например, специалисты Яндекс.Музыки в прошлом году задумались: а как рекомендовать треки от малоизвестных исполнителей, которых слушают единицы? С одной стороны, данных по проигрыванию их музыки слишком мало для качественной работы алгоритмов, с другой — непопулярность не означает отсутствие таланта. Руководитель группы ML Медиасервисов Даниил Бурлаков поделился опытом решения этой проблемы. Способы, которые попробовала команда Даниила, вдохновят вас на неочевидные улучшения в вашем собственном сервисе.

https://youtu.be/TaUqh_CeCPc?t=125

«Многорукие бандиты» — метод тестирования гипотез, который, в отличие от аналогов, позволяет быстро выявить наиболее перспективную гипотезу. В данном случае перебираются гипотезы о том, какие факторы стоит учитывать в рекомендациях. Михаил Каменщиков из команды дата-саентистов Авито рассказал, как они применяют «бандитов» для разных задач и улучшают блок похожих объявлений на странице товара. Эта технология используется и в Яндекс.Музыке, в одном из наших текстов мы подробно рассказывали о том, как работают рекомендации в этом сервисе: https://ya.cc/6G8YP

https://youtu.be/O5MxQ00VVYs

Комментарии: