VK внедрила рекомендации, которые подбирают видео и музыку по смыслу, а не по лайкам

Мультимодальная языковая модель, обученная на более чем трех миллионах русскоязычных материалов, способна интерпретировать сюжеты и определять тематику. Кросс-форматная контентная модель отдельно анализирует название, обложку, аудиодорожку и видеоряд, объединяя данные в едином пространстве. Это позволяет находить смысловые связи между разными форматами контента.

Отдельная система автоматически распознает известных персон на видео, используя две модели машинного обучения. Первая анализирует видеоряд с частотой один кадр в секунду, а вторая идентифицирует лица и создает единый образ персонажа.

По данным компании, после внедрения технологий позитивные реакции на контент выросли на 7%, а точность рекомендаций видео увеличилась на 60%.