Главное

  • Метод проверили на анонимизированном социальном графе из 194 млн пользователей и 28 млрд дружеских связей.
  • Новый способ представления данных сократил потребление памяти более чем в 100 раз.
  • Подготовка данных для обучения ускорилась в 2,5 раза.

Метод проверили на рекомендациях друзей

Исследователи из AI VK Research разработали подход, который позволяет применять графовые нейросети на больших объемах данных, сообщил CNews со ссылкой на представителей VK.

Технологию протестировали на сервисе рекомендаций друзей во «ВКонтакте». Количество добавлений в друзья из рекомендаций выросло на 16%.

iXBT написал, что статью с описанием разработки приняли на международную конференцию CIKM 2026. По данным издания, эксперимент также проводился для рекомендаций друзей во «ВКонтакте».

Память сократили более чем в 100 раз

Граф представляет данные как объекты и связи между ними. В социальной сети объектами являются пользователи, а связями являются дружеские отношения.

Графовые нейросети анализируют структуру таких связей. Их применяют в рекомендательных системах, социальных сетях и других задачах со связанными данными.

Метод проверили на анонимизированном социальном графе из 194 млн пользователей и 28 млрд дружеских связей.

Предложенный способ представления данных сократил необходимый объем памяти более чем в 100 раз. Подготовка информации для обучения ускорилась в 2,5 раза.

Подход учитывает изменения связей

Метод учитывает изменение социального графа со временем. iXBT также написал, что он учитывает изменения структуры социальных связей во времени.

В ходе тестирования число пользователей, добавивших хотя бы одного рекомендованного друга, выросло на 11,5%. Общее количество добавлений из рекомендаций выросло на 16%.

Метод может применяться в разных индустриальных задачах, где компании работают с большими объемами связанных данных. iXBT написал, что разработка может использоваться и в других задачах обработки взаимосвязанных данных.