सभी को नमस्कार! मेरा नाम साशा है, मैं LoyaltyLab में CTO & Co-Founder हूं। दो साल पहले, मैं सभी गरीब छात्रों की तरह दोस्तों के साथ शाम को अपने घर के पास की दुकान में बीयर के लिए गया था। हम बहुत परेशान थे कि रिटेलर, यह जानते हुए कि हम एक बीयर के लिए आएंगे, चिप्स या पटाखे पर छूट की पेशकश नहीं की, हालांकि यह बहुत तर्कसंगत है! हमें समझ में नहीं आया कि यह स्थिति क्यों हो रही है और हमारी कंपनी बनाने का फैसला किया है। खैर, एक बोनस के रूप में, बहुत चिप्स के लिए हर शुक्रवार को अपने आप को छूट लिखें।

और यह सब इतना आगे बढ़ गया कि मैं उत्पाद के तकनीकी पक्ष पर सामग्री के साथ NVIDIA जीटीसी पर बोलता हूं । हम अपनी सर्वश्रेष्ठ प्रथाओं को समुदाय के साथ साझा करके खुश हैं, इसलिए मैं अपनी रिपोर्ट एक लेख के रूप में पोस्ट कर रहा हूं।

परिचय

यात्रा की शुरुआत में सब कुछ की तरह, हमने इस बात की समीक्षा शुरू की कि सिफारिश प्रणाली कैसे बनाई जाती है। और सबसे लोकप्रिय निम्नलिखित प्रकार की वास्तुकला थी:

:

1. , .
2. c .

:

• candidate/ — user-product, .
• candidates extraction/extractor/ — “ ” .

. — ALS. , , . , , . , ALS, baseline’.

, , , realtime , , 30 , , , . , , , , — , .

baseline , ALS . , , :

• Precision — .
• Recall — , target .
• F1-score — F-, .

. 3 :

• precision@5 — -5 .
• response-rate@5 — ( 5 ).
• avg roc-auc per user — roc-auc .

, time-series -, k , test k+1 . / . -, — . , .

, , baseline, ALS .
:

:

, . , , , , “ , ”. , , :

1. .
2. , .
3. .
4. /.
5. ( ).
6. , , (Word2Vec, DSSM, etc.).

, . , K ( 1-3 ), K . , :

, , , recall precision . “ 2 ”.

,

, “ ” , , , - . . , ALS, , . “ ” , , / , , , , , . 2 :

k — , 14 .
, , .

, - . , //. , - . — , k . , . :

, , , . :

2 , :

1. , , K .
2. , .

, :

ft — , K ( K=5)
tm — ,

, (0, 0) recall precision, . , , k , .

— , . -k “” / “” /. “” “” . . , , , . . :

“category” .

, , , “” .

, — . 2 , [ i]-[ j], j > i, . product_i-product_j , product_i . -k , . :

:

, : , , . , , , .

:

k — , .
, k=4. 4 . 

, ,

— , . 3:

• ALS
• Word2Vec (Item2Vec )
• DSSM

ALS , , . Word2Vec, gensim. , , . , , “” ( ). ecommerce , Ozon. DSSM . Microsoft, , research paper. :

Q — query, , D[i] — document, -. , . (multilayer perceptron). , .
, , — . :

— ALS DSSM , Word2Vec . 3 :

1. , , .
2. .
3. TF-IDF .

, , , , . 1, , ½, ⅓, .:

TF-IDF , TF-IDF , , , , — . , . :

. ALS:

Item2Vec :

, baseline. , k . , , 50-70 .

DSSM:

?

, , ? ? :

1. - . , , , .
2. ?

, : , . , , , “ ” “ ”.

, , : (recall). , , . .

— , recall — . 2 , :

• , .
• .

, «, » , . , “ ” . , . , .

:

:

, , . , , , . , . , , :

1. / .
2. .
3. .

, , .  , . . , :

1. / .
2. , . , -.
3. , , .

:

overall products conversion — , .

. , , , . , , .

, , , , — 3-4%:

, , realtime , . , .

, . telegram. AI/ telegram — welcome :)