Теоретические и практические аспекты построения рекомендательных моделей: типология, архитектура и направления проектирования

Аннотация

Статья посвящена исследованию перспективных направлений проектирования рекомендательной системы для сервиса предзаказа и доставки RapiDo с акцентом на методы глубокого обучения и проблемы моделей на холодном старте. Авторами проанализированы существующие типы рекомендательных систем, их особенности в сервисах предзаказа и доставки и аспекты недостаточной эффективности современных моделей, связанной с отсутствием учета контекста заказа, индивидуальных предпочтений пользователей, неактуальностью используемых данных и отсутствием обратной связи. В статье рассмотрены основные типы рекомендательных систем, используемых крупнейшими российскими платформами доставки и сведения о пользователе, которые сервисы используют при построении своих рекомендательных моделей, а также выделены ключевые направления проектирования рекомендательной системы RapiDo, учитывая необходимость работы с ограниченными данными на ранних стадиях. Особое внимание авторы уделяют архитектурам рекомендательных моделей, основанным на методах глубокого обучения, рассматривая более десятка наиболее популярных вариантов. Анализируются перспективные подходы, включая адаптивное обучение на основе обратной связи пользователей, коллаборативную фильтрацию с использованием демографических данных и гибридные механизмы, комбинирующие различные методы для улучшения точности и стабильности предсказаний. Статья представляет первые результаты исследования и подчеркивает важность интеграции глубокого обучения в систему рекомендаций RapiDo для достижения высокой точности модели и решения проблемы недостатка данных на ранних стадиях.