Новая модель искусственного интеллекта (ИИ), разработанная исследователями Лаборатории искусственного интеллекта и блока «Риски» Сбербанка в сотрудничестве с учёными из Сколтеха, улучшает прогнозирование покупок клиентов. Это позволяет создавать более точные рекомендации.
Статья «Label Attention Network для прогнозирования временных наборов: вы смотрели не на то, что нужно» была опубликована в сборнике 27-й Европейской конференции по искусственному интеллекту — одной из ведущих научных конференций по искусственному интеллекту в Евразии (ранг А).
Современные методы недостаточно эффективны, поскольку неправильно интерпретируют поведение клиентов. В своей работе авторы предложили альтернативный подход: сначала собирается вся доступная информация с акцентом на временные аспекты и связи между событиями, после чего эти данные проходят дальнейшую обработку. Такой метод ускоряет обучение системы и делает её более точной в выявлении закономерностей между различными событиями.
Предложенная модель LANET предсказывает действия клиентов и компаний, чьи данные могут быть представлены в виде последовательности продуктовых корзин. Точные прогнозы поведения помогают бизнесу принимать правильные решения в нужный момент и снижать риски потери клиентов. Это исследование имеет важное практическое значение как для компаний, использующих рекомендательные системы, так и для ученых, занимающихся исследованиями в этой перспективной области.
Эффективность модели была протестирована на различных наборах данных. Результаты экспериментов показали значительное превосходство модели LANET — в некоторых случаях точность прогнозирования улучшилась на 65% по сравнению с лучшими существующими методами. Также учёные проанализировали влияние отдельных компонентов модели на конечный результат и исследовали причинно-следственные связи между событиями. Модель доступна в открытом доступе, что открывает возможности для её использования в рекомендательных системах.
Статья «Label Attention Network для прогнозирования временных наборов: вы смотрели не на то, что нужно» была опубликована в сборнике 27-й Европейской конференции по искусственному интеллекту — одной из ведущих научных конференций по искусственному интеллекту в Евразии (ранг А).
Современные методы недостаточно эффективны, поскольку неправильно интерпретируют поведение клиентов. В своей работе авторы предложили альтернативный подход: сначала собирается вся доступная информация с акцентом на временные аспекты и связи между событиями, после чего эти данные проходят дальнейшую обработку. Такой метод ускоряет обучение системы и делает её более точной в выявлении закономерностей между различными событиями.
Предложенная модель LANET предсказывает действия клиентов и компаний, чьи данные могут быть представлены в виде последовательности продуктовых корзин. Точные прогнозы поведения помогают бизнесу принимать правильные решения в нужный момент и снижать риски потери клиентов. Это исследование имеет важное практическое значение как для компаний, использующих рекомендательные системы, так и для ученых, занимающихся исследованиями в этой перспективной области.
Эффективность модели была протестирована на различных наборах данных. Результаты экспериментов показали значительное превосходство модели LANET — в некоторых случаях точность прогнозирования улучшилась на 65% по сравнению с лучшими существующими методами. Также учёные проанализировали влияние отдельных компонентов модели на конечный результат и исследовали причинно-следственные связи между событиями. Модель доступна в открытом доступе, что открывает возможности для её использования в рекомендательных системах.
