В России создали инструмент для проверки данных рекомендательных моделей

SplitLight выявляет ошибки в логировании, смещенные временные метки и дубли событий. Также система фиксирует статистику подготовки данных, что позволяет воспроизводить эксперименты и сравнивать результаты разных исследований.

Отдельная функция проверяет реалистичность эксперимента: инструмент определяет возможное попадание данных из будущего, учитывает новых пользователей и объекты и сравнивает обучающую и валидационную выборки.

Разработчики протестировали решение на шести открытых датасетах. SplitLight доступен как Python-библиотека и веб-интерфейс без программирования. Исходный код опубликован на GitVerse и GitHub.