6
HEGM учитывает различные сценарии поведения
Российские исследователи из AI VK Research создали метод машинного обучения HEGM (Hierarchical Exponential-Gaussian Mixture), который помогает рекомендательным системам более точно предсказывать интерес пользователей к контенту. Эта технология уже была внедрена в «VK Клипы». Согласно данным компании, после ее применения количество роликов, просмотренных за один сеанс, возросло на 10%, а число просмотров продолжительностью более 10 секунд — на 6%.
В отличие от классических алгоритмов, которые анализируют среднее время взаимодействия с контентом, HEGM принимает во внимание различные сценарии поведения: от быстрого пролистывания до полного просмотра и повторного воспроизведения. Модель вычисляет распределение потенциальной продолжительности взаимодействия и одновременно прогнозирует несколько показателей интереса аудитории.
Эффективность данного метода была протестирована на двух открытых наборах данных KuaiRec и VK-LSVD, а также на внутреннем наборе, состоящем из 282 миллионов анонимных пользовательских взаимодействий. В результате тестирования HEGM продемонстрировал более высокое качество ранжирования по сравнению с другими исследованными решениями. В VK Клипах также было отмечено снижение количества дизлайков на 8%.
Эту разработку можно использовать не только в видеосервисах, но и в музыкальных потоковых сервисах, рекламных системах и интернет-магазинах — для прогнозирования прослушивания треков, просмотра рекламы и изучения карточек товаров.
Научную работу приняли на конференцию IEEE ICDM 2026. Код модели доступен на GitHub.
Источник