/Про алгоритмы и терпение/

Раньше рекомендательные системы могли спокойно неделями обучаться, постепенно понимая и пользователя, и сам контент. Что человек любит, что выбирает, что сохраняет, что пропускает. И параллельно изучая то, что вообще появилось нового на платформе: какие треки, товары, видео или авторы реально интересны аудитории.

Но с развитием всех цифровых сервисов, которыми пользуются люди, SLA уменьшаются с двух сторон, и ML-движкам приходится это учитывать.

Пользователь больше не готов долго обучать сервис под себя - нас избаловали, и если рекомендации не начинают попадать в интересы почти сразу, человек просто уходит дальше.

Но и у контента время на раскачку тоже стремиться к уменьшению - с ростом количества этого самого контента мы все соревнуемся дерзостью заголовков и хуков. Особенно это видно в музыке - у нового трека буквально есть несколько дней, чтобы начать разлетаться после релиза.

Если алгоритмы слишком долго «присматриваются» и ждут накопления данных, момент уже может быть потерян.
И вот как раз интересный кейс на эту тему прочитала у VK Музыки. Они обновили VK Микс так, чтобы рекомендации быстрее подхватывали новые треки, даже когда о них еще мало данных.

То есть система теперь пытается раньше понять, кому потенциально может зайти новый релиз, а не ждет, пока он сам каким-то образом наберет большую статистику.
Мне кажется, это вообще одна из самых интересных задач современных рекомендаций: мир стал слишком быстрым, чтобы алгоритмы могли долго думать.

источник