Рекомендательные системы уже давно неотъемлемая часть большинства современных веб-сервисов. Скорее всего, заходя на какой-либо развлекательный (и не только) сайт, вы не раз задавались вопросом, почему именно этот контент или этот товар предлагается вам.



В Иви давно заметили, что недостаточно просто рекомендовать что-то пользователю, важно объяснять свои действия. Если пользователю покажут незнакомый контент, то он будет воспринимать это как нечто неинтересное.



Поэтому хочется, чтобы пользователь понимал:

1. Насколько ему могут быть интересны наши рекомендации.


2. Зачем мы ему это показываем.

Меня зовут Андрей Макаров, я разработчик рекомендательной системы онлайн-кинотеатра Иви. В этой статье я расскажу, зачем мы объясняем рекомендации на нашем сервисе, что для этого уже сделали и что только планируем.
Читать дальше →

https://habr.com/ru/post/706300/?utm_source=habrahabr&utm_medium=rss&utm_campaign=706300

Привет, Хабр!

Меня зовут Павел Дудукин, руководитель Data Science команды в Центре развития финансовых технологий Россельхозбанка.

Сегодня мы хотим продолжить цикл статей статей про решенные нами Data Science задачи и рассказать о построении и внедрении рекомендательной системы в одну из наших платформ по продаже фермерских продуктов “Свое Родное”.

А узнать из каких этапов, с какими особенностями мы столкнулись при разработке решения и как мы использовали рецепты для наших рекомендаций можно узнать ниже.

Хочу узнать

https://habr.com/ru/post/701278/?utm_source=habrahabr&utm_medium=rss&utm_campaign=701278

Всем привет! Это Даня Самойлов и Женя Замятин, мы из команды Core ML, занимаемся рекомендациями VK Музыки. В этой статье мы хотим поделиться с вами, как устроена наша система музыкальных рекомендаций (на примере алгоритмического плейлиста «Для вас»), и рассказать об интересных решениях, принятых на каждом этапе.

Читать далее

https://habr.com/ru/post/683152/?utm_source=habrahabr&utm_medium=rss&utm_campaign=683152

В этой статье я хочу рассказать о подходе который основан на поиске схожих изображений. Зачем подготавливать дополнительнительные данные если почти все основные характеристики некоторых товаров, например одежда, можно отобразить на изображении.

Смотреть подробнее + пример

https://habr.com/ru/post/675052/?utm_source=habrahabr&utm_medium=rss&utm_campaign=675052

Каждая дипломная работа в Практикуме — самостоятельный проект. Здесь нет подробных вводных или подсказок — студенты сами ищут решения и пробуют разные подходы. И здесь нужны все знания, которые накопились за время прохождения курса, а может, даже чуть больше. Звучит серьёзно, но студентов трудности не останавливают. В этой статье расскажем, как команда выпускников курса «Мидл Python-разработчик» создала рекомендательную систему для онлайн-кинотеатра с нуля.

Читать далее

https://habr.com/ru/post/669780/?utm_source=habrahabr&utm_medium=rss&utm_campaign=669780

От трагедии до курьеза

1 сентября 1983 года Boeing 747 южнокорейских авиалиний вылетел из аэропорта Анкориджа, направляясь в Сеул. Полет капиталистического воздушного судна должен был проходить над Тихим океаном восточнее Камчатки, огибая воздушное пространство Советского Союза. Экипаж поднялся на необходимый эшелон и включил автопилот. Последний, однако, был настроен неправильно, и вместо изящной дуги мимо оплота коммунизма, повел самолет по прямой – над территорией СССР. Несмотря на изменение курса, экипаж не стал проверять его и корректировать автопилот, положившись на автоматику. В результате произошла одна из самых известных авиакатастроф того времени – авиалайнер был сбит советскими истребителями над Сахалином.



Доверие к автоматике приводило не только к трагедиям, но и курьезам, таким как случай с канадкой, GPS-навигатор которой посоветовал ей заехать в озеро Гурон

– что она и сделала, чуть не утонув.



Эти случаи объясняются не столько глупостью, сколько более сложным и комплексным явлением, носящим нейробиологическую природу – automation bias. Читать дальше →

https://habr.com/ru/post/668920/?utm_source=habrahabr&utm_medium=rss&utm_campaign=668920

Мы в IVI столкнулись с проблемой низкого доверия к контенту, который пользователи встречают впервые. Одна из причин — неинформативные и непривлекательные постеры. Чтобы исправить эту ситуацию, мы научились персонализировать постеры, выбирая для пользователя более понятные и привлекательные изображения. Мы провели эксперимент, который показал, как на самом деле важна для зрителя визуальная составляющая при выборе контента.

Читать дальше →

https://habr.com/ru/post/662325/?utm_source=habrahabr&utm_medium=rss&utm_campaign=662325

Всем привет! Это вторая часть статьи об изменении подхода к рекомендациям в Delivery Club. В первой части я подробно описал текущие проблемы нашей рекомендательной системы: локально оптимальный баланс exploitation и cold start, а также недостаточно развитый механизм exploration. А также рассказал, как мы решали проблему exploitation через карусель «Вы заказывали», а проблему cold start — через карусель популярных фастфуд-ресторанов.

Читать далее

https://habr.com/ru/post/661453/?utm_source=habrahabr&utm_medium=rss&utm_campaign=661453