अनुशंसा प्रणालियाँ समानता से उपयोगकर्ता की मंशा भविष्यवाणी की ओर बदल रही हैं

अर्बन एमएल सम्मेलन में, जो 2 अगस्त को मॉस्को में एमटीएस ट्रू टेक और वीटीबी द्वारा आयोजित किया गया था, विशेषज्ञों ने चर्चा की कि सिफारिश प्रणालियाँ कैसे विकसित हो रही हैं। परंपरागत रूप से सहयोगी फ़िल्टरिंग और समान उपयोगकर्ताओं को खोजने पर आधारित, वे अब उपयोगकर्ता व्यवहार की भविष्यवाणी करने का लक्ष्य रखती हैं, विशिष्ट क्रियाओं की संभावनाओं पर ध्यान केंद्रित करती हैं। एमडब्ल्यूएस के डेनिल बुग्रिएन्को ने कहा कि उपयोगकर्ता की पसंद निर्धारित करने के बजाय, डेवलपर्स अब ऐसे एल्गोरिदम बनाते हैं जो खोलने, देखने या खरीदने जैसी क्रियाओं की भविष्यवाणी करते हैं। हालाँकि, कोल्ड स्टार्ट समस्या अनसुलझी बनी हुई है; नए उपयोगकर्ताओं और वस्तुओं के पास इंटरैक्शन इतिहास नहीं होता है। वास्तविक समय की सिफारिशें मदद करती हैं, यहाँ तक कि प्रारंभिक क्लिकों का विश्लेषण करके और कुल दर्शकों के व्यवहार का उपयोग करके। एमडब्ल्यूएस सिफारिश प्लेटफ़ॉर्म विकास के प्रमुख सर्गेई कुजनेत्सोव ने एलएलएम का उपयोग करने में चुनौतियों पर प्रकाश डाला: विलंबता (200-300 मिलीसेकंड वांछनीय है, लेकिन एलएलएम सेकंड लेते हैं), महंगे जीपीयू के कारण लागत, और विश्वसनीयता के मुद्दे। तीन व्यवहार्य एलएलएम उपयोग मामले प्रस्तुत किए गए: एम्बेडिंग के साथ ऑफ़लाइन फ़ीचर संवर्धन, कोल्ड स्टार्ट को संबोधित करने के लिए ऑफ़लाइन उम्मीदवार पीढ़ी, और ऑनलाइन संवादी परिदृश्य जहां एलएलएम एक एजेंट के रूप में कार्य करता है। एमडब्ल्यूएस ने संवादी परिदृश्यों के लिए जेम्मा को चुना, प्रति सेकंड अधिक क्वेरी (आरपीएस) संभालने के लिए गुणवत्ता का कुछ हिस्सा गति और लागत के लिए त्याग दिया। सफलता के लिए प्रमुख मीट्रिक में प्रतिधारण, स्टिकनेस कारक, और समर्थन टिकटों में कमी शामिल है, लेकिन अंततः यह पैसे के बारे में है। एलएलएम अपनाने के लिए अक्सर विश्वास की छलांग की आवश्यकता होती है क्योंकि अर्थव्यवस्था तुरंत काम नहीं कर सकती है, लेकिन लागत कम होने की उम्मीद है। उद्योग उन प्रणालियों की ओर बढ़ रहा है जो उपयोगकर्ताओं के साथ बातचीत करती हैं और उनके तत्काल इरादों को समझती हैं, सफलता को मापते हुए कि वे उपयोगकर्ता का समय कितना बचाते हैं।