Исследователи Лаборатории искусственного интеллекта и блока «Риски» Сбербанка, в сотрудничестве с коллегами из Сколтеха, представили новую модель ИИ, которая значительно улучшает прогнозирование корзины покупок клиентов. Это позволяет предоставлять более точные рекомендации, что, в свою очередь, повышает эффективность работы систем рекомендаций. Об этом сообщили представители Сбербанка.
Разработанная модель была представлена в статье «Label Attention Network for Temporal Sets Prediction: You Were Looking at a Wrong Self-Attention», опубликованной в сборнике 27-й Европейской конференции по искусственному интеллекту, которая является одной из ведущих научных платформ в области ИИ в Евразии.
Существующие методы прогнозирования часто неэффективны, так как некорректно интерпретируют поведение клиентов. Новаторский подход, предложенный авторами, заключается в акцентировании внимания на времени событий и их взаимосвязях. Этот метод позволяет собирать всю доступную информацию, которая затем передается для дальнейшей обработки. Такой подход ускоряет обучение модели и улучшает точность распознавания зависимости между различными событиями.
Модель Lanet предсказывает поведение клиентов и компаний, чьи данные можно представить как последовательность покупок. Точное предсказание позволяет бизнесу оперативно принимать обоснованные решения, минимизируя риски потери клиентов. Это исследование имеет большое значение как для компаний, работающих с рекомендательными системами, так и для ученых, ведущих исследования в этой области.
Тестирование модели Lanet на различных наборах данных показало её значительное превосходство. По сравнению с лучшими известными подходами, прирост точности прогнозирования в ряде случаев составил до 65%. Кроме того, были проанализированы влияния отдельных компонентов модели на конечный результат и исследованы причинно-следственные связи между событиями. Модель была выложена в открытый доступ, что позволяет широко использовать её на рынке рекомендательных систем.