Рекомендательные системы перестают искать похожее: инсайты с Urban ML

Рекомендательные системы переживают фундаментальную трансформацию. Если раньше алгоритмы искали похожих пользователей или товары (коллаборативная фильтрация, контентные метрики), то теперь они всё чаще пытаются предугадать намерения человека. Развитие больших языковых моделей (LLM) резко ускорило этот сдвиг.

На конференции «Урбан ML», прошедшей 2 августа в Москве, специалисты по Data Science обсудили, от каких подходов отказываются современные системы, какие проблемы остаются нерешёнными и куда движется отрасль. Ключевой тренд — переход от «вам может понравиться это, потому что похоже на то, что вы уже смотрели» к «мы знаем, что вы сейчас хотите, даже если вы сами этого ещё не сформулировали».

LLM позволяют анализировать контекст, историю и даже семантику запросов на новом уровне. Однако остаются вызовы: холодный старт, объяснимость рекомендаций, борьба с пузырями фильтров. Эксперты сошлись во мнении, что будущее — за гибридными моделями, где классические методы сочетаются с возможностями языковых моделей.