DeBaTeR: Новый метод ИИ, использующий временную информацию для улучшения фильтрации и прогнозирования в нейронных графах.

DeBaTeR: A New AI Method that Leverages Time Information in Neural Graph Collaborative Filtering to Enhance both Denoising and Prediction Performance

«`html

Системы рекомендаций и их вызовы

Системы рекомендаций широко используются для изучения предпочтений пользователей, но сталкиваются с серьезными проблемами в точном их определении. Особенно это касается нейронной графовой коллаборативной фильтрации. Эти системы используют историю взаимодействий между пользователями и товарами через графовые нейронные сети (GNN), чтобы извлекать скрытую информацию и захватывать высокоуровневые взаимодействия. Однако качество собранных данных является основной преградой.

Проблемы с качеством данных

Злоумышленники могут вводить фальшивые взаимодействия, что ухудшает качество рекомендаций. Это особенно критично в графовой нейронной коллаборативной фильтрации, где механизм передачи сообщений GNN усиливает влияние шумных взаимодействий, что приводит к неправильным рекомендациям.

Подходы к решению проблем

Существующие попытки решения этих проблем сосредоточены на двух подходах: системах денойзинга и временных системах рекомендаций.

Системы денойзинга

Методы денойзинга используют различные стратегии, такие как:

идентификация и снижение веса взаимодействий между несхожими пользователями и товарами;
обрезка образцов с большими потерями во время обучения;
использование методов на основе памяти для выявления чистых образцов.

Временные системы рекомендаций

Временные системы активно используются в последовательных рекомендациях, но имеют ограниченное применение в контексте коллаборативной фильтрации.

Новый подход DeBaTeR

Исследователи из Университета Иллинойс и Amazon предложили новый подход под названием DeBaTeR для денойзинга двудольных временных графов в системах рекомендаций. Метод включает две стратегии:

DeBaTeR-A: переоценивает матрицу смежности с использованием надежности, полученной из временных встраиваний пользователей и товаров;
DeBaTeR-L: использует генератор весов для снижения веса потенциально шумных взаимодействий в функции потерь.

Оценка эффективности

Для оценки производительности DeBaTeR используется обширная оценочная структура с чистыми и искусственно шумными наборами данных. Результаты показывают, что оба варианта DeBaTeR превосходят существующие методы по нескольким метрикам.

Практическое применение ИИ

Если вы хотите, чтобы ваша компания развивалась с помощью искусственного интеллекта (ИИ), используйте DeBaTeR. Проанализируйте, как ИИ может изменить вашу работу:

Определите, где возможно применение автоматизации;
Выберите ключевые показатели эффективности (KPI), которые хотите улучшить;
Подберите подходящее решение и внедряйте ИИ постепенно.

Получите помощь

Если вам нужны советы по внедрению ИИ, пишите нам. Узнайте, как ИИ может изменить процесс продаж в вашей компании с решениями от saile.ru. Будущее уже здесь!

«`