Яндекс представил Sona — единую ИИ-модель для персональных рекомендаций

Яндекс разработал Sona — генеративную модель, которая берёт на себя весь цикл подготовки рекомендаций. Она выбирает подходящие варианты из каталога и определяет, в каком порядке предложить их пользователю. О разработке компания объявила 1 октября.

В обычной рекомендательной системе эти задачи распределены между отдельными алгоритмами. Сначала они собирают список кандидатов, затем отсеивают менее подходящие и расставляют оставшиеся по приоритету. Каждый алгоритм нужно обучать, а признаки для оценки контента — подбирать вручную.

Sona строит рекомендации на основе последовательности действий пользователя. Модель учитывает его выбор, отказы и повторные обращения к контенту. Из этой истории она формирует внутреннее представление об интересах человека, которое использует и для подбора вариантов, и для их оценки. Оба этапа обучаются совместно, поэтому работают с одними и теми же данными о предпочтениях.

При этом внутри Sona есть несколько компонентов с разными задачами. Их объединение позволяет развернуть одну модель вместо цепочки самостоятельно обученных алгоритмов. Разработчикам не требуется вручную составлять сотни признаков: модель учится на зарегистрированных действиях пользователей и представлениях объектов каталога.

Первую проверку Sona прошла на музыкальных рекомендациях в колонках с Алисой. По данным Яндекса, за неделю теста время прослушивания рекомендованных треков выросло на 6,3%, а число активных слушателей — на 4,5%.

Подобный подход мог бы пригодиться онлайн-кинотеатрам для подбора фильмов, маркетплейсам — для товарных рекомендаций, книжным сервисам — для выбора следующей книги. В образовательных приложениях модель могла бы предлагать материалы с учётом уже пройденных тем. Это возможные направления применения: для каждого из них потребуются обучение на данных конкретного сервиса и отдельная проверка качества.