На информационном ресурсе применяются рекомендательные технологии (информационные технологии предоставления информации на основе сбора, систематизации и анализа сведений, относящихся к предпочтениям пользователей сети "Интернет", находящихся на территории Российской Федерации)

Газета.ру

8 637 подписчиков

Свежие комментарии

  • Людмила Харькова
    А главное бесплатно. Мечтатели, блин!Korea Economic TV...
  • Людмила Харькова
    Ну если не ответите, подставляйте "другую щеку, чтобы еще раз получить в прищуренный глаз"!Премьер Катара: Н...
  • ШКИПЕР
    Какой то сексуально озабоченный маньяк, на нары и ,чтобы сидельцы сделали из него Машку.Останина: запросы...

Команда Сбера победила в академическом зачете RecSys Challenge

Команду исследователей из Центра практического искусственного интеллекта Сбера — ai_lab_recsys отметили на международном соревновании RecSys Challenge 2025, сообщает пресс-служба банка.

Так, команда заняла первое место среди академических команд и второе место в общем зачете на крупнейшем конкурсе по рекомендательным системам, который ежегодно проводится в рамках конференции ACM RecSys.

В состязании приняли участие более 100 команд и 400 специалистов из разных стран.

Отмечается, что участникам нужно было разработать универсальные поведенческие профили пользователей на основе их действий: от просмотров и поисковых запросов до покупок и операций с корзиной. Полученные эмбеддинги (векторные представления) должны были обладать высокой обобщающей способностью. Их качество оценивалось в шести различных задачах, включая прогнозирование оттока пользователей и предсказание интереса к популярным категориям товаров. Часть задач была скрыта, и их критерии не раскрывались.

Как уточнили в Сбере, команда ai_lab_recsys применила комплексный подход к решению задачи. В итоговом решении использовалась конкатенация нескольких типов представлений: от простых моделей типа ALS (Alternating Least Squares) и наборов пользовательских фичей до сложных архитектур, таких как автоэнкодеры и рекуррентные нейронные сети GRU (Gated Recurrent Unit). Такая стратегия позволила добиться высокой степени обобщения и стабильных результатов как на открытых, так и на скрытых задачах.

 

Ссылка на первоисточник
наверх