Рекомендательные системы: новые алгоритмы и современная практика

© iStock

Институт ИИ и цифровых наук ФКН НИУ ВШЭ провел конференцию, посвященную передовым технологиям рекомендательных систем.  Мероприятие прошло в атмосфере активного обмена опытом между ведущими специалистами отрасли и позволило участникам ознакомиться с последними достижениями и практическими решениями в области разработки рекомендательных моделей.

Конференция собрала экспертов, занимающихся разработкой рекомендательных систем — перспективной технологии, находящей применение как в академической среде, так и в индустрии. Организатором конференции выступила Научно-учебная лаборатория (НУЛ) матричных и тензорных методов в машинном обучении под руководством Максима Рахубы.

Евгений Фролов

Евгений Фролов, старший научный сотрудник лаборатории, руководитель группы «Технологии персонализации» AIRI, отметил: «Вторая итерация конференции по рекомендательным системам объединила сообщество специалистов из индустрии и академии и показала, что у нас есть крепкая техническая база и растущий интерес к области. Программa вышла разноплановой: от свежих исследований, поданных на ведущую конференцию по рекомендательным системам RecSys 2025, до подробных разборов продакшен-архитектур крупных компаний. Интересным вышел и круглый стол: обсудили, что хорошо отлаженные одностадийные решения могут стать первым шагом к единой LLM-ориентированной рекомендательной парадигме. Для меня главный итог — активно формируется сообщество экспертов из индустрии и академии, где можно честно проверять гипотезы на реальных данных и сразу понимать их ценность для бизнеса и науки».

© Высшая школа экономики

В рамках обучающего семинара научные сотрудники AIRI Глеб Мезенцев и Даниил Гусак представили подробный обзор современных подходов к созданию масштабируемых последовательных рекомендательных систем. Участники узнали о новейших методиках построения эффективных конвейеров обработки больших объемов данных и тонкостях внедрения рекомендательных решений в реальные бизнес-процессы.

Сергей Ермилов, старший разработчик (VK AI), рассказал о результатах исследований влияния рекламных интеграций на эффективность рекомендательных сервисов и успешных подходах к релевантности контента и доходности рекламной деятельности.

Руслан Исрафилов, лидер команды исследований рекомендательных систем Сбера, представил доклад на тему «Следующий шаг эволюции AI: мультиагентные системы на базе LLM». Его выступление было сосредоточено на преимуществах интеграции мультиинтеллектуальных агентов для улучшения точности рекомендаций и понимания поведения пользователей.

Марина Ананьева

Марина Ананьева, руководитель направления RecSys НУЛ матричных и тензорных методов в машинном обучении, рассказала о переходе от классических пакетных методов обучения к онлайн-моделям рекомендаций. Она представила практические кейсы перехода на онлайн-обучение, подчеркнув повышение скорости адаптации моделей к изменениям предпочтений аудитории.

Алексей Васильев, исполнительный директор по исследованию данных Sber AI Lab, осветил важность правильной подготовки данных для построения качественных рекомендательных систем. Его доклад охватывал вопросы выбора архитектуры модели, оптимизации тренировочных процессов и интерпретации результатов работы алгоритмов. «В конференции принимали участие специалисты ведущих российских компаний. Многих выступающих я знаю лично, приятно было снова встретиться, — говорит Алексей Васильев. — Прекрасные разнообразные доклады, как индустриальные, так и научные, а также постерная сессия сделали мероприятие очень интересным. Здорово, что обсуждения продолжались и во время перерывов, еще раз подтвердив, что тема рекомендаций сейчас очень актуальна и востребована. Мне кажется, конференция удалась».

Евгений Фролов в рамках своего выступления предложил инновационный подход к повышению эффективности рекомендательных систем путем динамического изменения структуры внутренних представлений данных. Предложенный метод позволяет значительно повысить качество рекомендаций и снизить вероятность ошибок. «На конференции я представил нашу новую статью, в которой предложен self-supervised-подход к обучению рекомендательных моделей. Мы адаптировали метод Barlow Twins из области компьютерного зрения для transformer-архитектур рекомендаций. В частности, помимо повышения качества предсказаний, мы впервые выявили эффект адаптивного коллапса представлений: в зависимости от структуры пользовательских предпочтений алгоритм сам регулирует степень разнообразия выдачи. В наборах данных без явных кластеров вкусов он генерирует широкий спектр рекомендаций, а в сценариях со строго выраженными, специфическими предпочтениями — концентрируется на наиболее релевантных товарах, обеспечивая более точный выбор, чем существующие методы», — рассказал Евгений Фролов.

© Высшая школа экономики

Завершилась конференция постерной сессией в атриуме корпуса университета на Покровском бульваре, в рамках которой участники обсудили представленные исследования в неформальной обстановке и обменялись мнениями относительно новых направлений развития рекомендательных технологий.

Конференция по рекомендательным системам проводится в НИУ ВШЭ во второй раз и становится важной площадкой для обсуждения научных достижений и технологических новшеств в сфере искусственного интеллекта и цифровой экономики, способствуя развитию индустрии рекомендательных систем и формированию сообщества профессионалов нового поколения.