Как работает сессионная рекомендательная система на основе графа и LightGBM

Эксперты, работающие с платформой Coveo, разработали и внедрили рекомендательную систему нового поколения. Она способна формировать персонализированные предложения для каждого пользователя на основе его текущей сессии. Вместо простого суммирования баллов от разных источников, система использует сложный подход, объединяющий исторические данные о товарах, текстовые описания и визуальные характеристики продуктов.

В основе работы системы лежит исторический граф товаров, дополненный готовыми векторами для описаний и изображений. Это позволяет генерировать до 300 потенциальных кандидатов для рекомендации. Затем в дело вступает алгоритм LightGBM, который отвечает за ранжирование этих кандидатов, учитывая такие нюансы, как квоты источников и пропуски в признаках. Система также освоила парное обучение, благодаря чему может успешно рекомендовать товары, даже если изначально купленный продукт отсутствовал в списке кандидатов.

Разработчики отмечают, что модель уже обучена, её эффективность подтверждена, а рекомендации доступны через локальный HTTP API. Это решение демонстрирует новые возможности для электронной коммерции, позволяя значительно повысить релевантность предложений и улучшить пользовательский опыт за счёт глубокого анализа поведения покупателя и характеристик товаров.