# Исследователи научили классические рекомендательные алгоритмы учитывать будущие интересы пользователей

> Подход был разработан в ходе развития рекомендательных технологий VK и уже используется для решения отдельных прикладных задач. Исследование принято на воркшопе Customer Journey международной конференции KDD 2026.

Исследователи AI VK Research предложили новый подход, который позволяет классическим рекомендательным системам учитывать не только текущие интересы пользователя, но и влияние рекомендаций на его дальнейшие предпочтения. Подход был разработан в ходе развития рекомендательных технологий VK и уже используется для решения отдельных прикладных задач. Исследование принято на воркшопе Customer Journey международной конференции KDD 2026.
Сегодня в рекомендательных системах VK основную роль играют современные нейросетевые модели. При этом классические алгоритмы по-прежнему применяются в отдельных сценариях, где важны скорость работы и эффективность использования вычислительных ресурсов. Обычно алгоритмы подбирают контент только исходя из того, что больше всего подходит пользователю в текущий момент. Новый подход позволяет учитывать, как сегодняшняя рекомендация повлияет на следующие, чтобы вся цепочка рекомендаций становилась качественнее. Решение можно внедрять в существующие рекомендательные системы без полной перестройки их архитектуры.

«Сегодня многие исследования сосредоточены на больших нейросетевых рекомендательных моделях. При этом во многих сервисах и отдельных компонентах рекомендательных систем классические алгоритмы остаются наиболее эффективным решением. Мы показали, что их можно дополнить механизмом планирования: учитывать не только текущую рекомендацию, но и ее возможное влияние на дальнейшее взаимодействие пользователя с контентом. Такой подход повышает качество рекомендаций без существенного роста вычислительных затрат и позволяет применять современные методы планирования там, где использование тяжелых нейросетевых моделей неоправданно», — отметил Александр Дьяконов, руководитель отдела исследований AI VK Research.
Новый подход протестировали на нескольких открытых датасетах, включая VK-LSVD. В офлайн-экспериментах он показал более высокое качество рекомендаций по сравнению с классическим методом отбора контента. В дальнейшем команда планирует исследовать способы точнее учитывать обратную связь пользователей и адаптировать подход для более широкого промышленного применения.

---
Раздел: пресс-релизы
Темы: социальные сети
Опубликовано: 2026-08-02
Источник: https://www.content-review.com/articles/75775/