Исследователи VK Research разработали метод машинного обучения, который помогает рекомендательной системе оценивать интерес к видео по разным сценариям просмотра. Его уже внедрили в «VK Клипы».
По данным компании, после внедрения количество роликов, просмотренных за один сеанс, выросло на 10%, а число просмотров дольше 10 секунд увеличилось на 6%. Количество дизлайков снизилось на 8%. Метод называется HEGM, или Hierarchical Exponential-Gaussian Mixture. В отличие от алгоритмов, ориентированных на среднее время взаимодействия, он учитывает и быстрое пролистывание, и досмотр до конца, и повторное воспроизведение. Модель рассчитывает распределение возможной длительности просмотра и может одновременно прогнозировать несколько показателей интереса.
Эффективность HEGM проверили на открытых наборах данных KuaiRec и VK-LSVD, а также на внутренней выборке из 282 млн обезличенных пользовательских взаимодействий. В тестах модель показала более высокое качество ранжирования, чем другие изученные решения. Метод можно применять и за пределами видеосервисов: например, в музыкальных стримингах, рекламе и интернет-магазинах, чтобы прогнозировать прослушивание треков, просмотр рекламы и изучение карточек товаров. Научную работу приняли на конференцию IEEE ICDM 2026, код модели опубликовали на GitHub.