Переосмысление рекомендаций в Дзене и внедрение item-to-item-схемы

BigData и машинное обучение

Рекомендательные системы

Доклад принят в программу конференции

Мнение Программного комитета о докладе

Этот доклад готовился больше года: специально для нас спикер выбрал только те части рекомендательной системы Дзена, архитектура которых будет интересна широкому кругу разработчиков.

Целевая аудитория

ML-разработчики, разработчики, data scientist.

Тезисы

Дзен — крупная мультиформатная контентная платформа с персональной лентой рекомендаций, в которой пользователю предлагаются статьи, видео, посты и ролики от сотен тысяч авторов.

Доклад будет посвящен нашему пути к построению объяснимой для пользователей персональной ленты и способу сделать рекомендации «контролируемыми». Расскажем, какие ограничения мы себе поставили для этого и почему в их рамках пришли к item-to-item-модели, как решаем задачу построения таких рекомендаций, какие возможности нам это открыло, а также про основные этапы внедрения и развития item-to-item-технологии.

ML TeamLead в Дзене. Окончил ШАД и МГУ.

Дзен

Дзен — контентная платформа, которой каждый месяц пользуются 80,7 миллионов человек. Рекомендательные алгоритмы отбирают контент для персональных лент пользователей от 100 тысяч авторов из почти 5 миллионов возможных вариантов.

Видео