Исследователи AI VK Research представили новый метод прогнозирования интереса к контенту

Метод HEGM прогнозирует разные сценарии поведения пользователя и помогает рекомендательным системам точнее оценивать интерес к контенту.

Исследователи AI VK Research разработали метод машинного обучения HEGM для рекомендательных систем. Технологию уже внедрили в VK Клипы: число роликов, просмотренных за одну сессию, выросло на 10%, а количество просмотров длительностью более 10 секунд — на 6%.

Обычные рекомендательные алгоритмы часто прогнозируют ожидаемое время просмотра. HEGM учитывает сразу несколько вариантов поведения: пользователь может быстро пролистать ролик, посмотреть его частично, досмотреть до конца или включить повторно.

За счет этого одна модель может оценивать вероятность разных сценариев и использовать их при ранжировании контента. В тестах VK пользователи также стали реже ставить дизлайки: показатель снизился на 8,3%.

Исследователи проверили метод на открытых наборах KuaiRec и VK-LSVD, а также на внутренней выборке из 282 млн обезличенных пользовательских взаимодействий. По данным VK, HEGM превзошел другие протестированные решения по качеству ранжирования.

Работу приняли на международную конференцию IEEE ICDM 2026, а код модели выложили в открытый доступ. Разработчики отмечают, что технология подходит не только для видео: ее можно использовать в музыкальных сервисах, электронной коммерции и рекламных системах для прогнозирования времени взаимодействия с контентом.

Чем точнее платформы определяют интерес пользователя, тем сильнее алгоритмы влияют на охват контента и рекламы. Для бизнеса это повышает ценность работы сразу с несколькими каналами продвижения. Vitamin.tools помогает организовать интернет-рекламу и рекламные кабинеты разных площадок, сокращая ручную работу при запуске и ведении кампаний.