Исследователи VK Research разработали алгоритм HEGM, который помогает рекомендательным системам точнее определять интерес пользователей к контенту. Технологию уже внедрили в «VK Клипы», где после её запуска количество просмотренных за один заход роликов выросло на 10%, а просмотров длительностью более 10 секунд стало на 6% больше.
Обычно рекомендательные алгоритмы ориентируются на среднее время просмотра, но такой подход не всегда позволяет правильно оценить интерес аудитории. Один пользователь может сразу пролистать ролик, другой — посмотреть половину, а третий — досмотреть до конца или включить его повторно. HEGM учитывает разные сценарии и прогнозирует не одно значение, а целое распределение возможной продолжительности просмотра. Это позволяет точнее подбирать контент для каждого пользователя.
Разработчики проверили модель на двух открытых наборах данных KuaiRec и VK-LSVD, а также на внутренней базе из 282 млн обезличенных пользовательских взаимодействий. По качеству ранжирования HEGM обошла другие протестированные решения. В ходе испытаний в VK Клипах пользователи стали на 6% чаще смотреть видео и на 8% реже ставить дизлайки.
Алгоритм можно использовать не только в видеосервисах. Например, музыкальные платформы смогут с его помощью прогнозировать, какие треки пользователи пропустят, а какие прослушают полностью. В рекламных системах модель поможет оценивать продолжительность просмотра роликов, а в интернет-магазинах — время изучения карточек товаров.
Ещё одно преимущество HEGM заключается в том, что её можно встроить в уже работающие рекомендательные системы без изменения их основной архитектуры. Это упрощает внедрение технологии в разные цифровые сервисы. Разработка VK Research уже получила международное признание — работу приняли на конференцию IEEE ICDM 2026, а исходный код модели опубликовали в открытом доступе на страницах репозитория GitHub.
