Персонализация нового уровня: Как более 16 000 пожизненных действий пользователей значительно улучшают рекомендации Pinterest

Домашняя лента Pinterest играет решающую роль в привлечении пользователей и открытии нового контента, и для ранжирования пинов она использует двухэтапный процесс, основанный на интересах пользователей и релевантности пинов. Модель Pinnability использует нейронную сеть для обработки различных сигналов о пинах, контексте и пользователях, но она имеет ограничения в моделировании поведения пользователей на протяжении всего жизненного цикла. Модель TransActV2 решает эти проблемы, используя длинные последовательности действий пользователей, интегрируя функцию потери Next Action Loss (NAL) и применяя масштабируемые решения для развертывания. TransActV2 может моделировать до 16 000 действий пользователей, интегрирует явные признаки действий и хранит действия без потерь, используя квантование int8. Модель использует многоголовую, точечную многозадачную сеть поверх широкого и глубокого стека и вводит функцию потери Next Action Loss для улучшения прогнозирования действий пользователей. Функция NAL ставит перед моделью задачу предсказания не только вероятности взаимодействия, но и того, что пользователь сделает дальше. Модель достигает значительных улучшений в автономных и онлайн-метриках, включая увеличение попаданий в топ-3 репинов на 13,31% и увеличение репинов на 6,35%. Инженерные решения модели в промышленных масштабах обеспечивают эффективное обслуживание и развертывание, достигая снижения задержки выполнения модели p99 на 75-81% и снижения сквозной задержки вывода на 103-338x. Реальное влияние TransActV2 огромно: миллионы дополнительных значимых взаимодействий и значительные улучшения пользовательского опыта.