Команда VK Research представила метод машинного обучения HEGM для повышения точности рекомендательных систем. Технология уже внедрена в сервис «VK Клипы» для прогнозирования интереса пользователей к контенту.
После запуска модели количество роликов, просмотренных за сеанс, выросло на 10 процентов. Число просмотров длительностью более 10 секунд увеличилось на 6 процентов, а количество дизлайков сократилось на 8 процентов.
В отличие от традиционных алгоритмов, оценивающих среднее время взаимодействия, HEGM учитывает разные сценарии поведения: от пролистывания до повторного просмотра. Модель рассчитывает распределение длительности взаимодействия и прогнозирует несколько показателей интереса одновременно.
Эффективность метода подтверждена на наборах данных KuaiRec, VK-LSVD и внутренней выборке из 282 миллионов обезличенных взаимодействий. HEGM показал более высокое качество ранжирования в сравнении с другими решениями.
Научная работа принята на конференцию IEEE ICDM 2026. Код модели доступен на GitHub. Разработку можно применять в музыкальных стримингах, рекламных системах и интернет-магазинах для анализа поведения аудитории.