Исследователи НИУ ВШЭ и Сбера научили нейросети лучше угадывать предпочтения пользователей
Институт искусственного интеллекта и цифровых наук ФКН НИУ ВШЭ и Сбер представили новую архитектуру для рекомендательных систем: благодаря объединению двух классов моделей алгоритмы лучше угадывают интересы и потребности пользователей. Препринт работы опубликован на сайте arxiv.org и представлен на летнем фестивале «Урбан ML».
Рекомендательные системы — программы и алгоритмы, которые анализируют поведение, вкусы и историю действий пользователей, чтобы предсказать, какие товары или услуги будут им наиболее интересны. В основе современных рекомендательных систем лежат два класса моделей — трансформеры и графы. Трансформеры хорошо предсказывают порядок товаров в истории пользователя, но при этом не видят глобальных связей между этими товарами и пользователями. Графовые модели, напротив, эффективно моделируют связи, но не учитывают временную динамику. Они уступают трансформерам в предсказании следующего товара.
Команда Института искусственного интеллекта и цифровых наук ФКН НИУ ВШЭ и Сбера разработала новую архитектуру CREATE, которая объединила оба эти подхода.
Эльфат Сабитов
«Мы придумали, как взять лучшее от трансформеров и графовых моделей. Мы обучали модель в два этапа. Сначала отдельно тренировали графовую часть, которая отвечает за анализ связей между товарами. А затем подключили вторую часть, которая отвечает за последовательность покупок, и обучали их уже вместе, настраивая так, чтобы они дополняли друг друга. В итоге модель научилась использовать и глобальные связи, и хронологию действий как единый механизм», — объясняет Эльфат Сабитов, стажер-исследователь Международной лаборатории стохастических алгоритмов и анализа многомерных данных ФКН НИУ ВШЭ.
Исследователи проверили систему на пяти открытых наборах данных, включая Amazon Reviews (233 млн оценок), MovieLens (1 млн) и Yambda (50 млн). CREATE стабильно превосходит последовательные и графовые модели, а также современные гибридные подходы.
В тестах, где модель опиралась исключительно на поведенческий профиль пользователей, точность предсказания следующего товара выросла в среднем на 12,5%. После добавления к профилю информации о свойствах, категориях и связях между товарами рекомендации стали точнее сразу по трем критериям. Метрика ранжирования, то есть качество выдачи в топе, выросла на 4%. Прирост полноты составил 5,8% — система стала реже упускать релевантные товары. Показатель покрытия увеличился на 9,3%, то есть список рекомендаций стал разнообразнее. Таким образом, интеграция графа знаний не только повышает точность, но и делает рекомендации менее предсказуемыми и более насыщенными, а это именно то, что ценят конечные пользователи.
Руслан Исрафилов
«В экосистеме Сбера есть несколько доменов, где качество рекомендаций зависит не только от истории действий пользователя, но и от знания о товарах, услугах и сценариях их использования. Классические рекомендательные модели хорошо выявляют связи через клики, просмотры и покупки, однако часть значимых зависимостей невозможно надежно восстановить только по поведенческим данным. Графы знаний позволяют явно описывать такие связи и обогащать пользовательский сигнал дополнительным контекстом. Поэтому для нас особенно ценны исследования, которые показывают, как эффективно объединить графовые представления с последовательными моделями и получить измеримый прирост качества и разнообразия рекомендаций», — отмечает Руслан Исрафилов, исполнительный директор по исследованию данных блока В2С, Сбер.
Вам также может быть интересно:
ФКН ВШЭ поделился экспертизой в сфере ИИ с участниками «Больших вызовов» в «Сириусе»
В образовательном центре «Сириус» масштабным фестивалем научных проектов завершилась 11-я всероссийская научно-технологическая проектная образовательная программа «Большие вызовы». Представители факультета компьютерных наук НИУ ВШЭ поделились экспертизой с ее участниками и выступили в роли наставников и членов жюри.
В НИУ ВШЭ представлены новые ИИ-продукты iFORA для аналитики и исследований
Эксперты Центра стратегической аналитики и больших данных ИСИЭЗ НИУ ВШЭ представили новые продукты и разработки, созданные на базе ИИ-платформы iFORA. Они продемонстрировали, как возможности iFORA применяются в исследовательской и аналитической работе, а также рассказали о стратегии развития пользовательских сервисов.
Исследователи ФКН ВШЭ завоевали золотую медаль на международном соревновании по машинному обучению
Команда, в состав которой вошли сотрудники Международной лаборатории статистической и вычислительной геномики Алексей Шмелев и Никита Червов, выпускник 2025 года магистратуры «Анализ данных в биологии и медицине» ФКН НИУ ВШЭ Иван Геворков, а также двое студентов из США, показала высокий результат на международном соревновании по машинному обучению The 2026 NeuroGolf Championship. Команда получила золотую медаль и заняла 7-е место в итоговом рейтинге.
Исследователи ВШЭ показали, как создавать регуляторную ДНК напрямую
Исследователи НИУ ВШЭ разработали модель для генерации промоторов и энхансеров — участков ДНК, регулирующих работу генов. Модель работает с нуклеотидами ДНК напрямую, без промежуточного преобразования в непрерывное числовое пространство. Разработка может быть полезна в синтетической биологии и генной терапии. Результаты исследования представлены на воркшопе конференции ICLR 2026.
Развивая сотрудничество: совместный семинар ФКН ВШЭ и Харбинского технологического университета
13–16 июля на факультете компьютерных наук прошел Российско-китайский научно-исследовательский семинар по приложениям машинного обучения, организованный Научно-учебной лабораторией облачных и мобильных технологий совместно с Харбинским политехническим университетом (Китай). Делегация из семи студентов и трех представителей университета прибыла в Москву, чтобы принять участие в интенсивной четырехдневной программе.
«Работа с ИИ — решение целого спектра инженерных задач»
Искусственный интеллект — рабочий инструмент, построенный на сбалансированном сочетании алгоритмов с инженерной проработкой. Как технологии ИИ способны улучшить приложение, устройство, систему и какие инженерные задачи решаются при этом, рассказывают специалисты и аспиранты Московского института электроники и математики ВШЭ.
Новая секция по ИИ и призовое место: молодые ученые Вышки на Международной конференции IEEE EDM
В Республике Алтай прошла 27-я Международная конференция молодых специалистов в области электронных приборов и материалов (IEEE EDM). В этом году ученые НИУ ВШЭ представили на ней результаты своих исследований, а также приняли участие в организации новой секции по искусственному интеллекту. Доклад магистранта Вышки Родиона Сидоренко занял третье место в конкурсе научных работ конференции.
НИУ ВШЭ инициировал разработку этического стандарта для антропоморфных роботов
Развитие антропоморфной робототехники требует не только технологических, но и этических решений. В июле на площадке Института робототехнических систем НИУ ВШЭ прошла форсайт-сессия, посвященная разработке Этического стандарта для антропоморфных робототехнических комплексов. Представители бизнеса, органов государственной власти, научных организаций и университетов обсудили ключевые этические и правовые вопросы, связанные с развитием антропоморфных робототехнических комплексов. Главным итогом встречи стала подготовка проекта Этического стандарта.
НИУ ВШЭ первым среди университетов начал фиксировать интеллектуальные права на научные результаты в блокчейне
Высшая школа экономики подключила свой Репозиторий научно-технической информации к доверенной блокчейн-сети РЦИС.РФ как самостоятельный узел. Теперь каждый исследовательский результат, размещенный в цифровом хранилище НИУ ВШЭ, может получить признаваемую госорганами запись в распределенном реестре, подтверждающую авторство и принадлежность исключительных прав.
ФКН ВШЭ и ЧГУ реализовали три отраслевых образовательных модуля по искусственному интеллекту
В 2025/26 учебном году факультет компьютерных наук (ФКН) ВШЭ совместно с Череповецким государственным университетом реализовал три отраслевых образовательных модуля по искусственному интеллекту. Инициатива была представлена в рамках проекта «Топ-ИИ» Минцифры России при участии АНО «Аналитический центр при Правительстве Российской Федерации». Эксперты НИУ ВШЭ совместно с индустриальными партнерами разработали линейку отраслевых образовательных модулей в области искусственного интеллекта.