• Российские ученые разработали алгоритм для ускорения развития рекомендательных ИИ.
• Проблема заключается в недостаточной фильтрации данных разработчиками рекомендательных систем.
• Алгоритм позволяет подбирать оптимальный порог фильтрации.
• Некорректный выбор порога может радикально изменить выводы исследования.
• Прозрачная методология необходима для корректного обучения и сравнения рекомендательных алгоритмов.
• Ученые изучили, как разработчики решают проблему «холодного старта» в рекомендательных системах.
• 10% участников конференции обосновывали необходимость фильтрации, но не объясняли выбор порога.
• Разработан подход для автоматического подбора порога отсечения для конкретных систем ИИ и наборов данных.
• Оптимальный порог различался для разных задач и рекомендательных систем.
• Необходим корректный подбор порога фильтрации для каждого индивидуального случая.