Hoe VK's neurale gebruikersprofiel werkt in aanbevelingen

VK AI heeft een neuraal gebruikersprofiel ontwikkeld dat een uniforme representatie vormt van de interesses van een gebruiker op basis van alle interacties binnen VK-diensten. De kern is een transformermodel dat tot 1.024 recente acties als een reeks analyseert, gebruikmakend van een tweetorenarchitectuur: een gebruikerstoren met zelfaandacht en een itemtoren die inhoud codeert. Tokens combineren inhoudsembeddings van multimodale modellen, gebeurtenisembeddings en bronembeddings, waarbij tijd wordt gecodeerd via Time2Vec. De training omvat vooraf trainen met Sampled Softmax op impliciete signalen en verfijnen met causale sessies om datalekken te voorkomen. Het cross-domeinmodel 'Heimdall' balanceert gegevens over domeinen en voorspelt het volgende inhoudsobject, waardoor aanbevelingen worden verbeterd. A/B-tests tonen een toename van 5,5% in kijktijd in VK Clips en +1,1% TVT op de hoofdpagina van VK Video.