Краткое содержание

arXiv:2512.17277v1 Тип объявления: cross Аннотация: Pinterest — это ведущая платформа визуального обнаружения, где системы рекомендаций (RecSys) играют ключевую роль в предоставлении пользователям релевантного, вовлекающего и свежего контента. В данной статье мы исследуем проблему улучшения предсказаний моделей RecSys для предметов «холодного старта» (CS), которые встречаются в обучающих данных редко. Хотя эта проблема хорошо изучена в академической среде, лишь немногие исследования эффективно рассматривали ее первопричины на масштабе такой платформы, как Pinterest. Изучив данные реального трафика, мы выявили несколько проблем CS и разработали соответствующее решение для каждой: во-первых, модели RecSys промышленного масштаба должны работать в условиях жестких вычислительных ограничений. Поскольку предметы CS составляют меньшинство, любые связанные с ними улучшения должны быть высокоэффективными с точки зрения затрат. Для решения этой проблемы наши решения были спроектированы как легковесные, коллективно увеличивая общее количество параметров всего на 5%. Во-вторых, предметы CS представлены только неисторическими (e.