Avito Data Science Meetup: Personalization

Given the huge number of choices that we often face when interacting with various online systems, such as e-commerce, search engines, and social media, there is a need to personalize user experience through recommending those items that user is most likely to be interested in. The challenge is that these behavioral data come in diverse modalities, such as the numerical ratings users assign, the text reviews users write, the visual images that users post, as well as the network of other users that one follows. In this talk, we explore data mining and machine learning techniques for modeling user preferences from such multi-modal representations, towards building end-to-end recommendation systems.

Доклад прозвучит на английском языке

Мы часто сталкиваемся с огромным количеством информации, взаимодействуя с поисковыми системами, системами электронной коммерции, социальными сетями и так далее. Учитывая, что только часть этой информации будет интересна конкретному пользователю, необходимо персонализировать взаимодействие с подобными системами, заранее рекомендуя пользователям информацию, потенциально соответствующую их предпочтениям.

Ключ к хорошим рекомендациям — моделирование огромных массивов поведенческих данных, которые возникают в результате взаимодействия пользователей с онлайн-системами. Проблема здесь состоит в том, что эти взаимодействия — мультимодальны, то есть составлены из различных типов данных, таких как пользовательские рейтинги, отзывы, фотографии или их социальные взаимодействия. В данном докладе мы поговорим о методах интеллектуального анализа данных и машинного обучения для моделирования пользовательских предпочтений в мультимодальных данных и их использовании при создания полноценной рекомендательной системы.