Команда Т-Теха разработала решение для улучшения рексистем в условиях нехватки данных пользователей Исследователи Т-Технологий на международной конфе по рекомендательным системам ACM RecSys 2026 выступили сразу с тремя работами: библиотекой Scikit‑Rank, фреймворком Perseus и методом ScaL³AE. Главный релиз — Scikit‑Rank. Библиотека позволяет применять нейросетевые модели в задачах предсказания показателя кликабельности и ранжирования предложений с минимальными изменениями кода. Библиотеку можно использовать для ранжирования предложений, например, в электронной коммерции, банкинге, медиа. Вторая работа — Perseus. Фреймворк позволяет обучать нейросети на общей последовательности сигналов о пользователе и повышать качество рекомендаций благодаря учету источников данных из разных продуктов и сервисов. В эксперименте на T-ECD он улучшил качество рекомендаций с 16 до 39% в разных доменах при использовании истории пользователя из разных сервисов. Третья разработка — ScaL³AE — подход, который помогает улучшить качество и эффективность вычислений при работе с большими объемами каталогов в более чем миллионы объектов рекомендаций. Он позволяет компактно применять описание товаров для рекомендаций в больших каталогах в том числе для объектов, по которым накоплено мало взаимодействий. В тестах на четырех категориях Amazon Reviews метод превзошел EASE и SANSA, а также показал сопоставимые или более высокие результаты по сравнению с популярной L³AE. @ai_machinelearning_big_data