Итоги конференции KDD от AI VK Research

Обзор ключевых трендов в рекомендательных системах с конференции KDD и участие команды AI VK Research.

Разработчики рекомендательных систем переходят от предсказания одного клика к долгосрочному удержанию внимания пользователя.

Фокус индустрии смещается с краткосрочных метрик на эффективность взаимодействия в рамках всей сессии.
Использование методов обучения с подкреплением (MDP) становится актуальным инструментом для генерации кандидатов в рекомендациях.

⚡️ Как прошел KDD На прошлой неделе прошла одна из ключевых конференций в области ML, и AI VK Research привезла туда две работы по рекомендательным системам. Темы довольно показательные. Первая: как оптимизировать retrieval не под следующий клик, а под поведение пользователя в рамках всей сессии. Вторая: как использовать MDP с матричной факторизацией для candidate generation. То есть обе работы так или иначе про одну большую проблему: как сделать классическую рекомендательную систему не просто хорошей в предсказании следующего действия, а более эффективной на длинном горизонте. Исследователи AI VK Research собрали репортаж прямо с KDD: что обсуждали на конференции, какие тренды заметны сейчас в recsys и как проходила презентация исследований команды.

Кратко (AI)

Команда AI VK Research представила две работы на конференции KDD, посвященные оптимизации рекомендательных систем на длинном горизонте планирования. Исследователи поделились наблюдениями о текущих трендах в области recsys и рассказали о своем опыте участия в мероприятии.

Итоги конференции KDD от AI VK Research

Кратко (AI)

Обсуждение