Рекомендательные системы. Научный семинар, весна 2025
Кто расскажет? К нам приедет Алексей Васильев — руководитель группы рекомендательных систем в лаборатории ИИ Сбера и настоящий эксперт в этой области. Его работы публикуются на топовых конференциях, таких как KDD, SIGIR и RecSys, а его исследования помогают делать технологии умнее и полезнее. 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 покажет, как его модель CDIMF работает на реальных данных и почему она лучше многих других подходов.
Кто расскажет? К нам приедет Алексей Васильев — руководитель группы рекомендательных систем в лаборатории ИИ Сбера и настоящий эксперт в этой области. Его работы публикуются на топовых конференциях, таких как KDD, SIGIR и RecSys, а его исследования помогают делать технологии умнее и полезнее. 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 покажет, как его модель CDIMF работает на реальных данных и почему она лучше многих других подходов.