В России разработали новые инструменты для улучшения рекомендательных систем
Т‑Банк и другие организации представили новые решения для повышения качества работы рекомендательных систем — Perseus, Scikit‑Rank и ScaL³AE.
Российские разработчики создали несколько инструментов для улучшения работы рекомендательных систем. Perseus позволяет точнее подбирать персональные предложения за счёт учёта полной истории действий пользователя из разных сервисов экосистемы. Scikit‑Rank даёт возможность применять нейросетевые модели для предсказания кликабельности и ранжирования предложений с минимальными вычислительными затратами. ScaL³AE показал хорошие результаты в экспериментах с категориями товаров из датасета Amazon Reviews.
Разработки протестировали на разных датасетах, включая MovieLens, Douban‑Movies, Yambda и собственные наборы данных. Решения представлены в Open Source и потенциально могут быть использованы другими компаниями — в частности, в финтехе, телекоме, ритейле и других сферах с большой B2C‑базой.
Эксперты отмечают, что новые инструменты помогают решить ряд проблем: нехватку пользовательской истории, сложности внедрения нейросетевого ранжирования и масштабирования на большие каталоги товаров. При этом для применения решений требуются компетенции в области ML/DS.
Что это значит для юриста
Юристам, работающим с компаниями из сфер ритейла, финтеха и телекома, стоит учитывать развитие технологий рекомендательных систем. Внедрение подобных инструментов может повлечь дополнительные вопросы в области обработки персональных данных и соблюдения связанных с этим требований законодательства. Также возможны нюансы в регулировании использования ИИ‑агентов и нейросетевых моделей — их стоит иметь в виду при сопровождении цифровой трансформации бизнеса.