Яндекс представил модель Sona, которая заменила всю цепочку алгоритмов, отвечавших за рекомендации музыки в умных колонках с Алисой. Об этом компания сообщила в своём телеграм-канале «Технологии Яндекса». Sona обучена с нуля на данных Яндекса и предсказывает следующий трек, опираясь на историю действий пользователя.

Как устроена Sona

В типичном рекомендательном сервисе за подбор контента отвечает несколько моделей: одни отбирают кандидатов из миллионов записей, другие фильтруют и ранжируют. Каждую обучают отдельно, а признаки для оценки инженеры задают вручную. Sona объединяет эти этапы: она получает до 8192 последних действий пользователя (прослушивания, пропуски, лайки и дизлайки) и сама находит закономерности. Архитектурно модель напоминает языковую, но вместо следующего слова предсказывает следующий трек. Каждая песня представлена кодом из трёх токенов, который составляет другая нейросеть по первым 90 секундам звучания, названию и тегам. Sona постоянно дообучается: информация о пропущенном треке попадает в обучение примерно через 45 минут.

Результаты эксперимента

В течение недели Sona подбирала музыку части слушателей умных колонок с Алисой вместо прежней системы. Время прослушивания рекомендованных треков увеличилось на 6,3%, а запросов повторить трек стало почти на 18% больше. Эти показатели говорят о том, что модель не только дольше удерживает внимание, но и точнее угадывает желания пользователей.

Контекст

Крупные технологические компании уже экспериментируют с едиными рекомендательными моделями. Китайская Kuaishou заменила цепочку одной моделью, но сохранила ручные признаки. Pinterest объединил лишь часть этапов. Яндекс, по его заявлению, первым в мире разработал и протестировал систему, где одна нейросеть заменила весь конвейер, самостоятельно определяет критерии и показывает рост качества в реальных условиях.

Что это значит

Для пользователей умных колонок с Алисой это означает более точные музыкальные рекомендации и меньше пропусков. Для индустрии — сигнал, что отказ от ручной инженерии признаков и замена каскада одной моделью может давать измеримый прирост качества. Яндекс планирует развивать подход и начать его широкое внедрение.

Источник: Telegram: Технологии Яндекса

#яндекс#рекомендательные системы#нейросети#музыка#алиса
Понравился материал?
Подписывайтесь — так вы не пропустите новые.
RSS-лента

Комментарии 7

Будьте вежливы — это делает обсуждение лучше
МС
Марина Соколова
то, что пропуск трека попадает в обучение через 45 минут, прикольно. то есть система почти в реальном времени подстраивается.
О
Олег
у нас дома колонка уже полгода, и последний месяц рекомендации заметно лучше стали. может, я как раз в тестовой группе.
A
alex88
а раньше разве не так было? всегда казалось, что Алиса учится на моих дизлайках почти сразу
Р
РедакцияРедакция
alex88, раньше сигналы тоже учитывались, но через цепочку отдельных моделей с ручными признаками. Sona же объединяет весь конвейер в одну сеть и постоянно дообучается.
DP
dmitry_p
6,3% за неделю теста это мало для выводов. сезонность, новизна эффекта, сам отбор пользователей — всё может влиять. хотелось бы увидеть более длинный A/B.
ИК
Ирина К.
интересно, а Sona учитывает контекст — утро, вечер, будний день? Или только историю прослушиваний?
Р
РедакцияРедакция
Ирина, в статье описано, что модель получает до 8192 последних действий пользователя — прослушивания, пропуски, лайки. Время суток и день недели, скорее всего, тоже входят в этот контекст, но деталей Яндекс не раскрывал.