AiConf

Конференция завершена.

Ждем вас

на AiConf

в следующий раз!

Мультимодальные рекомендации в Wildberries

Резерв

Доклад принят в программу конференции

Мнение Программного комитета о докладе

Wildberries — один из крупнейших маркетплейсов в России. Обучить «академический» SASRec на реальных данных уже не выйдет. Что делать тогда? Доклад про внутренний трансформер для рекомендаций и почему он лучше, чем SASRec. В нем нет item-id, нетривиальный поход за кандидатами. Детально в докладе.

Целевая аудитория

ML-инженеры, разработчики рекомендательных систем. Для джунов/мидлов доклад может быть интересен с точки зрения построения архитектуры рекомендательной системы на основе нейронных сетей. Для senior — какие сложности и особенности возникают при реализации и внедрении рекомендательной системы.

Тезисы

Один из распространенных методов построения рекомендательных систем заключается в моделировании товаров и пользователей при помощи эмбеддингов, привязанных к их ID. Несмотря на эффективность этого подхода во многих случаях, у него есть ряд недостатков:
1) редкие товары и пользователи с малым числом покупок скорее всего будут иметь бесполезный эмбеддинг;
2) при появлении нового товара (что часто происходит на маркетплейсах) отсутствие эмбеддинга требует переобучения системы;
3) инфраструктурно хранить и обучать большое число эмбеддингов довольно проблематично;
4) привязка эмбеддингов к ID не учитывает явно свойства и атрибуты товара, что приводит к потере полезного сигнала для рекомендаций.

В докладе я расскажу об опыте построения рекомендательной системы, которая решает данные проблемы: моделирование пользователя трансформером, а товара — его контентом.

Занимается компьютерным зрением и рекомендательными системами в Wildberries.

Видео