Российские ученые создали рекомендательную систему, которая подбирает максимально разнообразные варианты

Российские ученые из T-Bank AI Research представили новый метод под названием SMMR (Sampled Maximal Marginal Relevance). Он ускоряет работу рекомендательных алгоритмов и делает их на 10% разнообразнее. Разработка была представлена на конференции ACM SIGIR в Италии. Код проекта уже доступен на Github.

Современные рекомендательные системы часто создают «информационный пузырь». Пользователь видит однотипный контент, похожий на тот, с которым он взаимодействовал ранее. Если человек посмотрел одну комедию, система будет предлагать только их. Это ограничивает пользовательский опыт и снижает вовлеченность. Существующие методы для повышения разнообразия работают медленно.

Метод SMMR решает эту проблему с помощью вероятностного подхода. Вместо выбора самого очевидного варианта, алгоритм случайным образом выбирает из нескольких подходящих. Это обеспечивает разнообразие контента. Кроме того, новый метод обрабатывает объекты не по одному, а пакетами. Это сокращает число шагов со 100 до 5–10, что делает его в 2–10 раз быстрее аналогов.

Новая технология может найти широкое применение. Платформы, использующие SMMR, становятся интереснее для пользователей. Это повышает их вовлеченность и время, проведенное на сервисе. Т-Банк планирует внедрить метод в своих сервисах.

Ранее сообщалось, что Роскомнадзор может получить право блокировать рекомендательные системы, если они не соответствуют законодательству.