#recsys — Public Fediverse posts
Live and recent posts from across the Fediverse tagged #recsys, aggregated by home.social.
-
Обучение с подкреплением в рекомендациях: оптимизируем удовлетворённость пользователя за всю сессию — статья на KDD 2026
Привет! На связи Артём Матвеев из команды AI VK Research. Мы занимаемся фундаментальными и прикладными исследованиями в области рекомендательных систем, поиска и генеративного искусственного интеллекта. Сегодня я расскажу про нашу работу, которая была принята на воркшоп End-to-End Customer Journey Optimization конференции KDD 2026. KDD — A*-конференция и одна из ведущих мировых площадок в области машинного обучения и искусственного интеллекта, где обсуждают развитие рекомендательных систем, поиска, рекламы и других AI-технологий. Наша статья называется Session-Level Optimization for Large-Scale Retrieval using REINFORCE with Multi-Step Off-Policy Correction . Рассказываем, как мы научили модель рекомендаций сразу оптимизировать долгосрочную удовлетворённость пользователя (long-term user satisfaction).
https://habr.com/ru/companies/vk/articles/1068050/
#ai #рекомендательные_системы #генеративный_ии #искусственный_интеллект #recsys
-
Как устроен нейропрофиль пользователя в рекомендациях VK
Привет! Меня зовут Михаил Трапезников, я руководитель группы рекомендательных технологий в AI VK. Одна из главных задач рекомендательных систем внутри крупных экосистем — найти взаимосвязь в разных паттернах потребления контента и применить в алгоритмах. Пользователь может смотреть длинные видео в VK Видео, короткие клипы в VK Клипах и листать ленту ВКонтакте, но каждый из этих сигналов описывает его интересы лишь частично. Для решения этой задачи мы разработали нейропрофиль пользователя, который формирует единое представление его интересов на основе всех типов взаимодействий с контентом внутри разных продуктов. В этой статье я расскажу: Как мы создали нейропрофиль — единую трансформерную модель, которая объединяет сигналы пользователя из разных сервисов VK и формирует целостное представление о его интересах. Как устроена его архитектура, какие данные она использует и как обучается на миллиардах взаимодействий с контентом. Как кросс-доменный подход помогает улучшать рекомендации в VK Видео, VK Клипах и других продуктах экосистемы.
-
go home, #recsys, you’re drunk.
(I am very out of shape. I struggled the last half of the ride home on a 10.5mi round trip to a party. I don’t need a 3.7mi “recovery” run. I also don’t run.)
-
go home, #recsys, you’re drunk.
(I am very out of shape. I struggled the last half of the ride home on a 10.5mi round trip to a party. I don’t need a 3.7mi “recovery” run. I also don’t run.)
-
От ANN к честному KNN на GPU: как мы пересобрали отбор кандидатов в рекомендациях Ozon
Привет! Мы команда рекомендательной системы Ozon, и сегодня мы хотим рассказать о нашем пути от приближённого поиска соседей (ANN) к точному KNN на GPU. Этот материал для тех, кто работает с рекомендациями, поиском или большими векторными пространствами и задумывается о том, можно ли выжать максимум из железа, не жертвуя качеством. В индустрии уже есть примеры, когда команды рекомендаций уходят от готовых ANN-индексов к более специализированным GPU-решениям скоринга. Мы же опишем, как это выглядит в масштабах российского e-commerce, и расскажем о результатах A/B-тестов. Сразу оговоримся: это не «Hello, world» с парой тысяч векторов, а продакшен на десятки миллионов пользователей и сотни миллионов товаров, где каждый час пайплайна и каждый процент recall имеют цену.
https://habr.com/ru/companies/ozontech/articles/1063304/
#ann #recsys #bigdata #retrieval #knn #spark #pytorch #gpu #рекомендательные_системы #ozon_tech
-
Together with @[email protected], we analyzed the papers published in the @[email protected] Reproducibility track from its inception in 2020 until 2025. The results have just now been published in our paper "Reproducibility in Recommender Systems: A Survey"
dl.acm.org/doi/10.1145/...
#recsys
Reproducibility in Recommender... -
Together with @[email protected], we analyzed the papers published in the @[email protected] Reproducibility track from its inception in 2020 until 2025. The results have just now been published in our paper "Reproducibility in Recommender Systems: A Survey"
dl.acm.org/doi/10.1145/...
#recsys
Reproducibility in Recommender... -
-
-
Always seems to blow a few students’ minds when we start talking about psychology of preference and the relationship of preference to observable #recsys data, and we get to some questions:
• is the experience of utility in the moment the same as memory of that utility?
• if they are different, is our goal to recommend a movie or book the user will enjoy in the moment, or one they will remember having enjoyed?
• how might that difference affect system design or evaluation? -
Always seems to blow a few students’ minds when we start talking about psychology of preference and the relationship of preference to observable #recsys data, and we get to some questions:
• is the experience of utility in the moment the same as memory of that utility?
• if they are different, is our goal to recommend a movie or book the user will enjoy in the moment, or one they will remember having enjoyed?
• how might that difference affect system design or evaluation? -
Не все якори одинаково полезны, или как I2I-рекомендации свежими сохранять
Привет, Хабр! Меня зовут Иван Воробьев, я работаю в команде рекомендаций VK Видео, AI VK. В данной статье хочу рассказать, как и зачем я переделывал систему построения I2I -рекомендаций. Поговорим о том, какие решения были поставлены в её основу, насколько они оправдались, а также причём тут якори и как они связаны со свежестью рекомендаций. В первую очередь сосредоточимся на бэкенде: организации работы с данными и вычислений, их конфигурациях, и требуемых вычислительных ресурсах. Основной эффект от внедрения новой системы кроется именно тут: удалось обеспечить свежесть I2I-рекомендаций примерно в час, сократив при этом количество используемых ядер в три раза. Саму логику построения рекомендаций тоже затронем, но в меньшей мере.
https://habr.com/ru/companies/vk/articles/1040306/
#бэкенд #рекомендательная_система #потоковая_обработка #i2i #recsys
-
New #LensKit #RecSys release - 2026.2.0, the first feature update for 2026. Includes rendering pipeline configurations to Mermaid for visualization & debugging! https://github.com/orgs/lenskit/discussions/1105
-
New #LensKit #RecSys release - 2026.2.0, the first feature update for 2026. Includes rendering pipeline configurations to Mermaid for visualization & debugging! https://github.com/orgs/lenskit/discussions/1105
-
Как LLM научила рекомендательную модель видеть больше, чем историю взаимодействий
Привет, Хабр! Меня зовут Алексей Васильев, я тимлид команды «Рекомендательные системы и персонализация» Sber AI Lab — Центра практического искусственного интеллекта Сбера. В нашей команде мы занимаемся исследованиями в области рекомендаций на последовательностях (sequential recommendations). Например, прослушивания музыки или просмотры карточек товаров можно представить как последовательность взаимодействий пользователя. А для моделирования последовательностей, как мы знаем, отлично подходят трансформеры: популярные варианты в рекомендациях — SASRec и BERT4Rec. Эти модели прекрасно справляются с задачей рекомендаций на основе взаимодействий, но они ничего не знают о самих товарах. Допустим, пользователь покупает безлактозный йогурт и растительный сыр. У нас сразу появляется гипотеза: возможно, пользователь не переносит лактозу. Однако для sequential‑модели это не очевидный факт, а статистический паттерн, который нужно выучить из взаимодействий. Если данных мало, товары редкие или связи между ними плохо представлены в истории, то такой смысл легко потерять. Большие языковые модели в данной ситуации выглядят подходящим решением. Они умеют читать описания товаров, анализировать историю взаимодействий и выделять предпочтения пользователя. Казалось бы, можно просто взять LLM и использовать её как рекомендательную систему. Но и здесь всё не так просто: использовать LLM на инференсе дорого, медленно и сложно с точки зрения масштабирования на миллионы пользователей.
https://habr.com/ru/companies/sberbank/articles/1038108/
#рекомендательная_модель #история_взаимодействий #recsys #ml #машинное_обучение #рекомендательные_системы
-
От фич и каскадов к генеративной модели: как мы переосмыслили рекомендации с помощью ARGUS
Классические рекомендательные системы в крупных компаниях — это десятки микросервисов, каскадная фильтрация и тысячи ручных признаков. Такой стек может надёжно работать годами, но неизбежно упирается в фундаментальную проблему: он перестаёт масштабироваться. Качество выходит на плато — всё меньше отдачи от новых фич, усложнения моделей и наращивания данных. Генеративная постановка, когда модель восстанавливает целые последовательности пользовательских действий, обещает принести в рекомендации законы масштабирования, снизить операционную сложность и открыть путь к единой кросс‑сервисной модели. Но между обещанием и продакшеном — огромная дистанция. Нужно понять, какая токенизация работает, как устроить претрейн, что делать с контекстом, негативами и задержками в реальных распределённых системах. Последний год мы адаптировали нашу генеративную модель персонализации ARGUS под разные домены внутри Яндекса, меняли архитектуру, пересобирали обучение и пробовали новые способы интеграции в продакшене. В этой статье я расскажу, какие решения сработали, какие — нет и что нам дала генеративная постановка в реальных рекомендательных системах.
https://habr.com/ru/companies/yandex/articles/1037766/
#рекомендации #machinelearning #ai #ml #рекомендательные_системы #recsys #argus #алгоритмы #softmax
-
-
-
A discovery / fresh articulation I had in class today: one of the things I love about #recsys is the direct connection between math and human experience. Here's a statistical property, and here's why naïvely using it would turn your recommender into a door-to-door missionary for the Good News of Bananas.
-
A discovery / fresh articulation I had in class today: one of the things I love about #recsys is the direct connection between math and human experience. Here's a statistical property, and here's why naïvely using it would turn your recommender into a door-to-door missionary for the Good News of Bananas.
-
Please, contribute to the 20th ACM Conference on Recommender Systems (#RecSys2026) by submitting nominations for the Women in #RecSys Journal Paper of the Year Awards.
-
Please, contribute to the 20th ACM Conference on Recommender Systems (#RecSys2026) by submitting nominations for the Women in #RecSys Journal Paper of the Year Awards.
-
#ECIR2026 presentation by Savvina Daniil: "On the challenges of studying bias in Recommender Systems: The effect of data characteristics and algorithm configuration", the first paper of #IRRJ Volume 1 Number 1: https://doi.org/10.54195/irrj.19607
(this paper was presented at #RecSys too!) -
#ECIR2026 presentation by Savvina Daniil: "On the challenges of studying bias in Recommender Systems: The effect of data characteristics and algorithm configuration", the first paper of #IRRJ Volume 1 Number 1: https://orcid.org/0000-0001-8888-2869
(this paper was presented at #RecSys too!) -
Ahh, #recsys… “you bought headphones, would you like more headphones?”
-
xkcd #recsys edition.
(made with https://marshdeer.github.io/xkcd2501-generator/) -
CW: uspol, trump, ICE, renee good
Yes, as a #recsys person, I know why… they aren't doing a lot of editorial judgement, CBS was a reputable news source until recently, practical ways to avoid this are hard, etc.
But the end user experience is still (attempted) slander of an innocent victim of unaccountable state violence when I open a new tab in my browser.
(I say "attempted" because her actions _were_ pretty tough, but not in the way Trump is trying to paint her as a villain.)
-
Let's start sharing a few posters/papers I found interesting at #RecSys this year.
1. Leveraging Geometric Insights in Hyperbolic Triplet Loss for Improved Recommendations
Very interesting. Some further work needed to convince me 100%, like a Figure 2 but for the original Euclidian Triplet Loss.
-
#RecSys #RecSys2025 Very excited to welcome as many of you as can come to my old city next year for #RecSys2026 in Minneapolis!
-
If you're in Vienna, and are wondering what Victorian romance, Ukrainian progressive metalcore, library science, Brazil (1985), the Pope, and more have to do with ethical, human-driven information access, and whether we should put LLMs into everything, come join us tomorrow evening! #RecSys #IR https://hci.social/@mdekstrand/115191259701673286
