Российские исследователи AI VK Research разработали метод машинного обучения HEGM (Hierarchical Exponential-Gaussian Mixture), который позволяет рекомендательным системам точнее прогнозировать интерес пользователей к контенту. Технологию уже внедрили в «VK Клипы». По данным компании, после этого количество роликов, просмотренных за один сеанс, увеличилось на 10%, а число просмотров длительностью более 10 секунд — на 6%.
В отличие от традиционных алгоритмов, которые оценивают среднее время взаимодействия с контентом, HEGM учитывает разные сценарии поведения: от быстрого пролистывания до полного просмотра и повторного воспроизведения. Модель рассчитывает распределение возможной продолжительности взаимодействия и позволяет одновременно прогнозировать несколько показателей интереса аудитории.
Эффективность метода проверили на двух открытых наборах данных KuaiRec и VK-LSVD, а также на внутренней выборке из 282 млн обезличенных пользовательских взаимодействий. По результатам тестов HEGM показал более высокое качество ранжирования по сравнению с другими изученными решениями. В VK Клипах также зафиксировали снижение количества дизлайков на 8%.
Разработку можно применять не только в видеосервисах, но и в музыкальных стримингах, рекламных системах и интернет-магазинах — для прогнозирования прослушивания треков, просмотра рекламы и изучения карточек товаров.
Научную работу приняли на конференцию IEEE ICDM 2026. Код модели опубликован на GitHub.
