Краткое содержание

В настоящее время я работаю над AidLens AI — платформой, которая использует механизм сопоставления на основе глубокого обучения для связи доноров с некоммерческими организациями на основе исторических данных о пожертвованиях и сигналов соответствия ценностям. Мы столкнулись с проблемой в нашем уровне точного подбора (Precision Matching layer): данные о влиянии НКО часто бывают неструктурированными и разреженными для 1,5 млн организаций. В настоящее время мы используем [указать технологию, например, векторную базу данных или эмбеддинги на основе BERT] для ранжирования организаций, но получаем «общие» результаты, а не по-настоящему персонализированные. Мой вопрос: при создании механизма рекомендаций для филантропических данных, где «предмет» (НКО) имеет данные о взаимодействии с очень низкой частотой по сравнению с электронной коммерцией, какие существуют лучшие практики для включения показателя «Воздействие на доллар» как взвешенной характеристики без предвзятого отдавания предпочтения более крупным и хорошо финансируемым организациям?