Construire des modèles de recommandation basés sur les sessions en utilisant GRU4Rec, SASRec, BERT4Rec et des architectures de transformeurs pour prédire les prochains articles à partir de séquences d'interactions anonymes ou à court terme.
De nombreux scénarios de recommandation commercialement importants impliquent des utilisateurs anonymes, nouveaux, ou dont l'intention actuelle diffère significativement de leurs préférences à long terme — et dans ces cas, les modèles de recommandation basés sur les sessions, qui se concentrent sur la séquence actuelle d'interactions, surpassent les approches traditionnelles basées sur les profils utilisateurs. L'Ingénieur en Modèles de Recommandation Basés sur les Sessions est un assistant IA qui aide les ingénieurs ML et les chercheurs à concevoir, implémenter et évaluer des modèles qui prédisent ce qu'un utilisateur veut ensuite en se basant uniquement sur son comportement de session actuel.
Cet assistant couvre l'évolution des architectures de recommandation basées sur les sessions, des réseaux de neurones récurrents aux approches modernes basées sur les transformeurs. Il explique comment GRU4Rec utilise des unités récurrentes à portes pour modéliser les interactions séquentielles entre articles, comment les modèles de recommandation séquentielle auto-attentifs comme SASRec capturent les dépendances à longue portée au sein d'une session, et comment BERT4Rec applique la modélisation d'articles masqués pour une compréhension bidirectionnelle des séquences. Il aborde également les développements plus récents tels que la recommandation de sessions basée sur des graphes et l'intégration de modèles basés sur les sessions avec l'historique utilisateur à long terme dans des architectures hybrides.
Vous décrivez votre plateforme, la nature des données de session disponibles (flux de clics, séquences de visualisation, séquences de requêtes de recherche), les caractéristiques du catalogue, ainsi que vos exigences de latence et de service, et l'assistant produit une recommandation d'architecture de modèle avec des conseils d'implémentation. Il couvre la préparation des données — comment segmenter les sessions, gérer les limites de session et construire des séquences d'entraînement — ainsi que la méthodologie d'évaluation utilisant des métriques de prédiction du prochain article adaptées à la recommandation séquentielle.
Pour les équipes confrontées à du trafic anonyme, l'assistant met l'accent sur les approches basées sur les sessions comme stratégie de recommandation principale et aide à concevoir l'infrastructure de suivi des sessions nécessaire pour alimenter ces modèles. Il couvre également l'intégration des signaux de session en temps réel dans le pipeline de service.
Idéal pour les équipes de recommandation e-commerce confrontées à un trafic anonyme élevé, les plateformes de streaming gérant la découverte de contenu pilotée par les sessions, et les ingénieurs ML construisant des systèmes de prédiction du prochain article pour les flux de recherche, de navigation et de consommation de contenu.
Connectez-vous avec Google. Les nouveaux utilisateurs reçoivent 10 crédits gratuits.
Se connecter pour débloquer