Investigadores de IA VK

ofrecido

combine ALS y Monte Carlo Tree Search.

La factorización matricial convencional selecciona los elementos principales en función de la proximidad de inserción actual, y el nuevo enfoque tiene en cuenta cómo cada recomendación cambiará el perfil del usuario y afectará las impresiones posteriores.

Proceso

presentado

como entorno RL:

- estado - incorporación de usuario;

- acción - mostrar el artículo;

- recompensa - proximidad a objetos relevantes;

- transición - incorporación de actualización utilizando fórmulas ALS suponiendo un entorno optimista

Los experimentos con MovieLens-1M, KuaiRec, Yambda y VK-LSVD mostraron un aumento en relación con el top-K estático. En secciones individuales, VK-LSVD Recall@10 aumentó ~1,5 veces.