Рекомендательные системы

Мы поговорим о рекомендательных системах — одном из самых востребованных направлений в машинном обучении и искусственном интеллекте.

Что такое рекомендательные системы?

Это алгоритмы, которые анализируют ваши предпочтения и поведение, чтобы предложить что-то интересное именно вам. Например:

1) Netflix рекомендует фильмы и сериалы, которые вам могут понравиться.

2) Spotify создаёт плейлисты на основе вашего музыкального вкуса.

3) OZON предлагает товары, которые вы, скорее всего, купите.

4) YouTube показывает видео, которые вы захотите посмотреть.

Эти системы используют огромное количество данных, чтобы сделать вашу жизнь удобнее и интереснее. Но как они работают? И что делать, если данных о новом пользователе или продукте очень мало? Об этом и пойдёт речь на нашем семинаре

О чём будет доклад?

Тема звучит сложно: Cross-Domain Latent Factors Sharing via Implicit Matrix Factorization, но на самом деле всё очень интересно и понятно. Алексей расскажет, как улучшить рекомендации, когда данных о пользователе мало (например, вы только зарегистрировались на сервисе). Для этого он предлагает использовать данные из других источников — например, если вы слушаете музыку в одном приложении, это может помочь улучшить рекомендации фильмов в другом.

В основе его подхода лежат два известных многим метода: ALS и ADMM. ALS (Alternating Least Squares) помогает находить скрытые закономерности в данных (например, что люди, которые слушают рок, часто смотрят фантастику), в то время как ADMM (Alternating Direction Method of Multipliers) позволяет эффективно объединять данные из разных источников, чтобы рекомендации становились точнее.

Алексей Васильев покажет, как его модель CDIMF работает на реальных данных и почему она лучше многих других подходов.