Семинар HDI Lab: Малоранговые матричные методы для инкрементального обучения в рекомендательных системах
В четверг, 13 июня, в 14:40 состоится очередной семинар. С докладом выступит Мария Розаева (НИУ ВШЭ).
Малоранговые матричные методы для инкрементального обучения в рекомендательных системах
Инкрементальное обучение позволяет модели обучаться под новые данные, переиспользуя полученные ранее результаты. Такой подход бывает полезен в рекомендательных системах в условиях постоянного поступления новых взаимодействий пользователей и товаров, так как он помогает обновлять модель значительно быстрее, чем при полном пересчете. В то же время инкрементальные методы повышают стабильность рекомендаций и могут иметь преимущество по сравнению с классическими подходами в сервисах, где пользователи склонны формировать устойчивые предпочтения, которые не сильно меняются за короткие промежути времени. В докладе будут рассмотрены предложенный ранее метод Projector Splitting Integrator, адаптированный нами под расширенную инкрементальную задачу с добавлением новых пользователей и товаров, и новый метод Reused Projector.