«Яндекс» разработал генеративную модель Sona для системы рекомендаций

Разработкой занимались команда R&D компании, а также инженеры сервисов «Алиса» и «Яндекс Музыка». Новая архитектура объединяет несколько этапов отбора рекомендаций в единый модуль, исключая необходимость настраивать десятки отдельных алгоритмов и вручную отбирать признаки. Система самостоятельно анализирует действия пользователя, после чего формирует итоговую выдачу.

Первым сервисом для испытания технологии стали музыкальные рекомендации в умных колонках с «Алисой». По данным компании, в ходе A/B-тестирования при полной замене прежней цепочки алгоритмов время прослушивания рекомендованных треков выросло на 6,3%, число лайков увеличилось на 11,42%, а количество запросов на повтор композиции поднялось почти на 18%. Доля активных слушателей за неделю эксперимента показала прирост на 4,5%.

Для подбора аудиозаписей модель использует составные коды Semantic ID, учитывающие метаданные трека, первые 90 секунд звучания и реакцию аудитории. Для первоначального обучения алгоритма компания применила отдельную модель-«учителя», натренированную на годовом массиве пользовательских действий. В рабочем режиме сервис получает обновлённую версию Sona каждые 10 минут на основе свежих прослушиваний и оценок.