От быстрого пролистывания до досмотра: российские исследователи разработали новый метод прогнозирования интереса к контенту
- CNews FORUM 12 ноября
- CNews AWARDS 12 ноября
- Школа Роста
- СУБД в эпоху ИИ
- КИИ в облаке
- 10 лет российского бэкапа
- SDN: Сеть как дом
- История облаков
- 30 лет ERP России
- Цифровизация
- Импортозамещение
- Безопасность
- ИТ в госсекторе
- ИТ в банках
- ИТ в торговле
- Телеком
- ИТ-бизнес
- Рейтинги
|
Исследователи AI VK Research предложили метод машинного обучения HEGM (Hierarchical Exponential-Gaussian Mixture), который помогает рекомендательным системам точнее определять интерес пользователей к контенту. Технологию уже внедрили в «VK Клипы»: количество просмотренных роликов за один заход в сервис выросло на 10%, а число просмотров продолжительностью более 10 сек увеличилось на 6%. Об этом CNews сообщили представители VK.
В рекомендательных системах время взаимодействия с контентом — один из ключевых показателей пользовательского интереса. Традиционные алгоритмы обычно прогнозируют только ожидаемую продолжительность просмотра, не учитывая разные сценарии поведения: пользователь может сразу пролистать видео, посмотреть его частично, досмотреть до конца или включить повторно. Аналогичная задача возникает и при рекомендациях музыки, текстовых публикаций, рекламы и товаров.
Метод HEGM прогнозирует не одно ожидаемое время просмотра, а распределение возможной продолжительности просмотра с учётом разных сценариев поведения пользователей. На основе одной модели можно оценивать вероятность быстрого пролистывания, досмотра видео до конца и другие показатели пользовательского интереса.
Файервол не спасет: бизнес защищает ИТ-периметр изнутри средствами сети Сеть как дом
Исследователи проверили HEGM на двух открытых наборах данных KuaiRec и VK-LSVD, а также на внутреннем датасете из 282 млн реальных обезличенных пользовательских взаимодействий. Метод превзошел другие протестированные решения по качеству ранжирования. Тестирование в VK Клипах показало, что пользователи стали чаще смотреть видео (+6%) и реже ставить дизлайки (−8%).
Технология может применяться в любых цифровых сервисах для прогнозирования продолжительности взаимодействия пользователя с контентом. Например, в музыкальных стримингах — для прогнозирования пропусков и полного прослушивания треков, в рекламных системах — длительности просмотра видеорекламы, а в электронной коммерции — времени изучения карточек товаров. HEGM позволяет одной моделью прогнозировать несколько показателей пользовательского интереса и может быть интегрирована в существующие рекомендательные системы без изменения их основной архитектуры. Это упрощает внедрение и масштабирование технологии.
KioskNews shows a cleaned-up reading view extracted from the publisher’s page — the original always lives on their site, not ours.