На «Урбан ML» обсудили, почему рекомендательные системы отходят от поиска похожего

На конференции «Урбан ML» эксперты по Data Science поговорили о том, как рекомендательные системы меняются: от поиска похожих пользователей и товаров к предугадыванию намерений. Отдельно отметили, что развитию этого подхода помогли LLM.

Пользователи стриминговых и медиа-сервисов обычно не задумываются, почему видят именно эти фильмы, книги или треки. Между тем рекомендательные системы заметно меняются: если раньше они в основном искали похожих пользователей или товары, то теперь все чаще стараются предугадывать намерения человека. На конференции «Урбан ML», прошедшей 2 августа в Loft Hall (ЗИЛ) в Москве, эксперты по Data Science рассказали, от чего отказываются современные рекомендательные системы, какие проблемы по-прежнему остаются нерешенными и в каком направлении движется отрасль. Отдельно участники отметили, что развитие LLM ускорило этот переход.

Источники 1

На «Урбан ML» обсудили, почему рекомендательные системы отходят от поиска похожего Habr AI

«Вам может это понравиться»: на Урбан ML разобрались, почему рекомендательные системы перестали предлагать похожее

Открывая онлайн-кинотеатр, сервис для прослушивания аудиокниг или музыки, пользователи редко задумывается о том, почему перед ним оказались именно эти фильмы, книги или треки. Между тем рекомендательные системы в последнее время переживают крупную трансформацию. Если раньше задача сервисов сводилась к поиску похожих пользователей или товаров, то сегодня они уже умеют предугадывать намерения человека, и развитие LLM ускорило этот процесс.

Делюсь инсайтами с конференции «Урбан ML», которая прошла 2 августа в Loft Hall (ЗИЛ) в Москве. Эксперты по Data Science поделились, от чего отказываются современные рекомендательные системы, какие проблемы остаются нерешенными и куда движется отрасль. Читать дальше

#рекомендательные_системы #машинное_обучение #генеративный_ии #большие_языковые_модели #персонализация #инженерия_данных #ранжирование #llm #mws | @habr_ai