МОСКВА, 23 октября. /ТАСС/. Ученые из лаборатории исследований искусственного интеллекта T-Bank AI Research создали более точную реализацию популярного алгоритма для определения предпочтений пользователей BPR (Bayesian Personalized Ranking), которая в некоторых случаях на 50% превосходит по качеству работы существующие аналоги с открытым исходным кодом, а также выдает на 10% более точные рекомендации по сравнению с алгоритмом от разработчиков компании Netflix. Об этом сообщили в Т-Банке.
«Представьте, что у вас есть руководство, как собрать радиомодель самолета, и пять готовых моделей, уже собранных по этому чертежу. Мы создали модель по аналогичному чертежу, а затем, проанализировав влияние различных компонентов на результат, смогли выбрать оптимальные значения для каждого из них. За счет этого наша модель получилась лучше других», — пояснил исследователь рекомендательных систем в Центре искусственного интеллекта Т-Банка Александр Милоградский, чьи слова приводят в Т-Банке.
Как объясняет Милоградский, алгоритм BPR представляет собой один из самых популярных подходов для разработки различных рекомендательных систем. Первая его версия была опубликована в 2012 году, и с того времени появилось большое число модификаций и альтернативных реализаций с открытым кодом, многие из которых достаточно сложно внедрять и использовать на практике из-за отсутствия единых стандартов.
Российские ученые создали доработанную версию этого алгоритма, которая основывается на базе первой его версии. Для ее разработки ученым пришлось потратить около 200 тыс. часов машинного времени и провести 15 тыс. экспериментов. Работу новой версии BPR исследователи сравнили с восемью популярными открытыми реализациями этого алгоритма на крупных наборах данных, которые были подготовлены специалистами Netflix, портала по рекомендациям услуг Yelp и других больших международных корпораций.
Это сравнение неожиданно показало, что модифицированные версии BPR в некоторых случаях на 50% уступали доработанному оригиналу по качеству подбора рекомендаций, и при этом разработка российских ученых на 10% превзошла в общем качестве работы алгоритм Mult-VAE, который был недавно разработан специалистами компании Netflix для подготовки рекомендаций для пользователей этого сервиса.
«По сути, мы взяли инструкцию по сборке алгоритма от оригинальных разработчиков и постарались собрать ее максимально точно. Наш успех подчеркивает распространенную проблему в области рекомендательных систем: зачастую старые модели могут показывать лучшие результаты, чем новые, если уделить достаточно внимания их правильной реализации», — подытожил Милоградский.
