Яндекс раскрыл секреты и тонкости работы технологии рекомендаций Диско


Пару дней назад команда разработчиков Яндекса поведала всему заинтересованному миру о том, как работает новая технология персональных рекомендаций Диско. Впервые её запустили в сентябре 2014 на Яндекс Музыке. Именно этого момента, по мнению яндексоидов, начался отсчёт новой эры в развитии систем рекомендаций. Сейчас Диско используется во всех сервисах Яндекса, где есть крупные каталоги объектов. Пока это — Яндекс Музыка, Радио, Маркет и Видео.

Прежде, чем начинать что-то советовать человеку, нужно узнать хотя бы что-то о его подлинных вкусах и предпочтениях. Диско черпает эти сведения сразу из нескольких источников: поисковых запросов (кто бы сомневался), коллекции данных, собранных технологией Крипта и, наконец, данных того сервиса, для которого составляются эти рекомендации. «Например, в Маркете это информация о том, какие товары просматривал человек, а в Музыке и Радио — какие треки он слушал. Само собой, все данные обезличены», — поясняют в Яндексе.

Яндекс раскрыл секреты и тонкости работы технологии рекомендаций Диско

При составлении рекомендаций Диско использует три разных подхода. Первый анализирует информацию об объектах и связи между ними. На основе этих связей пользователю рекомендуют объекты, которые теснее всего связаны с тем, что его заинтересовало. Второй подход базируется на связях между людьми.

Если предположить, что пользователь пришел на сервис впервые и ещё не успел ничего посмотреть, послушать или купить, система порекомендует ему то, что ранее выбирали люди с похожим поведением и характеристиками. Принцип третьего подхода подразумевает сбор и анализ данных о взаимодействиях пользователей с объектами. Допустим, это может быть просмотр видео или метка «нравится», проставленная к полюбившейся музыкальной композиции.

Чтобы свести воедино все рекомендации от различных моделей, Яндекс использует Матрикснет — небезызвестный нам метод машинного обучения. Алгоритм призван сформировать на выходе перечень рекомендаций, которые бы с наибольшей полнотой удовлетворили потребности человека.

Матрикснет способен учитывать огромное количество различных факторов: например такие, как разнообразие и популярность. На выходе система создает финальный список с персональными рекомендациями. Его-то и видят пользователи на главной странице Яндекс Музыки, в разделе «Популярные товары» на Яндекс Маркете, а также на сервисах Радио и Видео. Вот, пожалуй, и все, что хотела донести до общественности команда Яндекса на этот раз. Обещаю держать вас в курсе дальнейших событий!

Оцените статью:
5 1 2



Комментарии (0)
Оставить комментарий

  • bowtiesmilelaughingblushsmileyrelaxedsmirk
    heart_eyeskissing_heartkissing_closed_eyesflushedrelievedsatisfiedgrin
    winkstuck_out_tongue_winking_eyestuck_out_tongue_closed_eyesgrinningkissingstuck_out_tonguesleeping
    worriedfrowninganguishedopen_mouthgrimacingconfusedhushed
    expressionlessunamusedsweat_smilesweatdisappointed_relievedwearypensive
    disappointedconfoundedfearfulcold_sweatperseverecrysob
    joyastonishedscreamtired_faceangryragetriumph
    sleepyyummasksunglassesdizzy_faceimpsmiling_imp
    neutral_faceno_mouthinnocent