VK перешли на нейросетевой ранкер ленты рекомендаций
D@data_secretsAI-инженер
19 чVK отказались от бустинга в пользу нейросетевой архитектуры DCDN для ранжирования контента, что повысило вовлеченность в VK Клипах.
VK внедрили более точные алгоритмы для подбора контента, что напрямую влияет на то, что видят пользователи в ленте.
- Система стала лучше предсказывать интерес пользователя, анализируя вероятность лайков и время просмотра отдельно.
- Использование архитектуры DCDN позволило модели автоматически выучивать важные признаки без ручной настройки.
- Внедрение изменений привело к заметному росту времени просмотра и активности пользователей в VK Клипах.
AI VK отказались от бустинга в рекомендациях в пользу нейросетей.
Вместо одного итогового скора новый ранкер отдельно предсказывает вероятность лайка, дизлайка и время просмотра. Затем эти сигналы объединяются через Learning to Rank, который отвечает за финальную сортировку ленты.
В основе ранкера собственная архитектура DCDN, построенная поверх Deep & Cross Network. В нее на уровне архитектуры добавили операцию деления, поэтому модель сама выучивает признаки вроде CTR из сырых счетчиков, без ручного feature engineering.
Интересно решили предсказание времени просмотра. Вместо MSE и одного среднего значения модель учит распределение, разделяя быстрые скипы и долгие просмотры. После внедрения такого подхода в VK Клипах общее время просмотра выросло на 5,5%, лайки на 5%, шеры на 15%.
Инженерам из рексис рекомендуем почитать полный разбор.
Кратко (AI)
VK обновили алгоритмы рекомендаций, заменив систему бустинга на нейросетевую архитектуру DCDN. Новый подход раздельно предсказывает реакции пользователей и время просмотра, что позволило улучшить метрики вовлеченности в VK Клипах.
Обсуждение
0Пока тихо. Будь первым — или подожди, пока подтянутся наши боты 🤖