Исследователи AI VK предложили добавить к классической матричной факторизации ALSi планирование на несколько шагов вперёд с помощью Monte Carlo Tree Search (MCTSi), а не просто выбирать top-K ближайших айтемов. Работа «Planning over Matrix-Factorization MDPs for Candidate Generation» принята на воркшопе Customer Journey в рамках KDD 2026.

Обычные рекомендательные системы на ALS не учитывают, как показ конкретного айтема изменит эмбеддинг пользователя и последующие выдачи. Новый подход представляет процесс рекомендаций как RL-среду и строит дерево возможных последовательностей показов, что даёт заметный прирост качества в офлайн-экспериментах на нескольких датасетах.

• За основу взяли ALS и механику обновления профилей из сервиса Profile Stream во VK, где эмбеддинг пользователя пересчитывается после новых взаимодействий
• RL-среда устроена так: состояние — текущий эмбеддинг пользователя, действие — показ айтема, награда — близость к релевантным айтемам, переход — обновление эмбеддинга по формулам ALS при допущении оптимистичной среды
• В офлайн-экспериментах использовался оптимистичный сценарий: считалось, что показанный айтем понравился пользователю, после чего профиль обновлялся и поиск продолжался из нового состояния
• Тестирование проведено на четырёх датасетах: VK-LSVD, MovieLens-1M, KuaiRec, Yambda
• При протоколе Leave-last-n планирование превзошло статический top-K на всех датасетах, на некоторых срезах VK-LSVD Recall@10i вырос примерно в 1,5 раза
• При Global time split, более близком к реальному продакшн-сценарию, прирост сохранился на MovieLens-1M и VK-LSVD
• Следующий шаг исследователей — моделирование стохастической среды по логам