Радио 
Исследователи AI VK Research разработали метод машинного обучения HEGM (Hierarchical Exponential-Gaussian Mixture), который помогает рекомендательным системам «точнее определять интерес пользователей к контенту», сообщили Sostav в компании. Технологию уже внедрили в «VK Клипы». В результате количество просмотренных роликов за один заход в сервис выросло на 10%, а число просмотров продолжительностью более 10 секунд — на 6%.
Как пояснили в VK, обычно алгоритмы прогнозируют только среднее время просмотра, не учитывая разные варианты поведения пользователей. Например, человек может сразу пролистать видео, посмотреть его частично, досмотреть до конца или включить повторно. HEGM позволяет учитывать эти сценарии и оценивать вероятность каждого из них.
Исследователи проверили метод на двух открытых наборах данных — KuaiRec и VK-LSVD, а также на внутренней базе из 282 млн обезличенных пользовательских взаимодействий. По качеству ранжирования HEGM «превзошел другие протестированные решения», отметили в компании. В ходе испытаний в «VK Клипах» также на 8% сократилось количество дизлайков.
Метод можно применять не только в видеосервисах, но и в других цифровых продуктах. Например, музыкальные платформы смогут прогнозировать, какие треки пользователи пропустят или прослушают полностью, рекламные системы — оценивать продолжительность просмотра роликов, а интернет-магазины — время изучения карточек товаров. HEGM можно встроить в существующие рекомендательные системы без изменения их основной архитектуры.
Научную статью о разработке приняли на международную конференцию IEEE ICDM 2026. Код модели опубликован в открытом доступе на GitHub, статья также размещена на arXiv.