WildRecSys

Public

Просмотреть канал

Не можете присоединиться? @wildrecsys

1.8k Участники

Обновлено: May 5, 2026 at 10:44 PM

WildRecSys

Рассказываем про рекомендации Для связи: @erqups

@wildrecsys is a dedicated channel for erqups with regular updates in Дружба

Рейтинг

Глобальный рейтинг

#456

Рейтинг по языку

#45

Рейтинг по категории

#23

-1

Рост участников (Последние 3 дней)

Всего: 1.8K

Рост за 24ч: +0 0%

Последние посты

WildRecSys

23 апр. 2026 г., 19:42

📸 Как работает «Поиск по фото»?

На Wildberries можно загрузить любое изображение — и сервис почти мгновенно подберёт похожие товары из каталога. Это особенно удобно, когда сложно описать вещь словами или нужно найти «точно-такую-же-и-никакую-другую»

В новой https://habr.com/ru/companies/wildberries/articles/956832/ наш коллега Никита Романов, техлид продуктов «Поиск по фото» и «Похожие по фото», подробно разбирает, как устроен сервис — какие модели используются, как достигается высокая скорость отклика и какие решения лежат под капотом 📝

Если вам интересно:
- как устроен продовый пайплайн поиска по фото,
- как обучается модель распознавания и зачем ей MRL
- при чем здесь LLM, и как их можно использовать для уточнения запроса текстом для реализации мультимодального поиска,

то стоит прочитать https://habr.com/ru/companies/wildberries/articles/956832/! 🤓

2,270

WildRecSys

23 апр. 2026 г., 19:42

Привет! Делимся видеозаписями докладов после RecSys Meetup 🤘

1️⃣ «Трансформеры в персональных рекомендациях: от гипотез до AB-тестирования» | Иван Ващенко, DS Team Lead в команде персональных рекомендаций
https://vk.com/video-223492200_456239051 | https://youtu.be/uG8vrdcDeJU | https://drive.google.com/file/d/1oH5ZPXtG6trVFXk6IeCLsMA0Hw6SeiDS/view?usp=drive_link

2️⃣ «Semantic IDs: архитектура и наш опыт внедрения» | Александр Тришин, DS Stream Lead в команде персональных рекомендаций
https://vk.com/video-223492200_456239052 | https://youtu.be/kfiG2ChpM34 | https://drive.google.com/file/d/1RZiKsTF_f49-owfPHBWPZVr3_kpLhwHL/view?usp=drive_link

3️⃣ «Как мы обучаем CLIP-ы для текстовых тегов» | Михаил Киндулов, Stream Lead в команде Поиск по фото
https://vk.com/video-223492200_456239053 | https://youtu.be/LyNlPAEVKI0 | https://drive.google.com/file/d/1qbasu9ETqnk25LHfjo8h_Qb85EkSThU1/view?usp=drive_link

4️⃣ «Счастье пользователя vs счастье продавца. Онлайн-доранжирование и байесовская оптимизация в товарных рекомендациях» | Андрей Ветров, Data Scientist в команде товарных рекомендаций
https://vk.com/video-223492200_456239054 | https://youtu.be/isAKEJUKqnM | https://drive.google.com/file/d/10gFxguUOoHj4hr8k_sQmEKoAfAdfz7EA/view?usp=drive_link

Смотрите https://vk.com/wb_tech?z=album-223492200_308346440 чтобы оценить атмосферу. И до встречи на следующих митапах!

🌟 https://t.me/wb_space

WildRecSys

23 апр. 2026 г., 19:42

🤔 Неочевидные подробности обучения двухбашенных моделей

Все, кто работает с рекомендациями, наверняка сталкивались с pop-bias — эффектом, при котором чем популярнее товар, тем выше вероятность, что модель снова его порекомендует.

Наш коллега Андрей Атаманюк из R&D команды подготовил https://habr.com/ru/companies/wildberries/articles/938938/ на Хабре, где (очень) подробно разбирает эту тему. Статья обзорная и не столько про практические советы, как бороться с popularity bias, сколько про фундаментальное раскрытие причин его появления.

В материале много математики, но она спрятана под каты, так что можно легко пройтись только по основным тезисам! 🙂

2,940

WildRecSys

23 апр. 2026 г., 19:42

📷 Photo

https://doit.wb.ru/pages/recsys-meetup?utm_source=tgwbspace&utm_campaign=recsys&utm_content=13082025

Когда? 28 августа, старт в 18:00
Где? Москва + онлайн-трансляция

Обсудим актуальное из мира рекомендаций: от передовых архитектур для построения Semantic IDs и их внедрения в продуктивные системы, до тонкостей балансировки интересов пользователей и продавцов маркетплейса с помощью онлайн-доранжирования и байесовской оптимизации.

В программе:

🚩 «Semantic IDs: архитектура и наш опыт внедрения» | Александр Тришин, Data Scientist в команде персональных рекомендаций

🚩 «Счастье пользователя vs счастье продавца. Онлайн доранжирование и байесовская оптимизация в товарных рекомендациях» | Андрей Ветров, Data Scientist в команде товарных рекомендаций

🚩 «Как мы обучаем CLIP-ы для текстовых тегов» | Михаил Киндулов, CV Engineer в команде Поиска по фото

🚩 «Трансформеры в Wildberries & Russ: от гипотез до AB-тестирования» | Иван Ващенко, DS Stream Lead в команде персональных рекомендаций

https://doit.wb.ru/pages/recsys-meetup?utm_source=tgwbspace&utm_campaign=recsys&utm_content=13082025 PS: для участия в офлайне регистрация обязательна.

🌟 https://t.me/wb_space

WildRecSys

23 апр. 2026 г., 19:42

🪄 Как мы тестировали увеличение разнообразия в рекомендациях

В https://telegra.ph/Upravlenie-raznoobraziem-rekomendacij-Rezultaty-AB-08-19 мы поделились нашими способами контроля разнообразия в рекомендациях. Теперь рассказываем, что получилось на практике!

Мы попробовали новый способ формирования ленты и доработали исходную гипотезу.

В https://telegra.ph/Upravlenie-raznoobraziem-rekomendacij-Rezultaty-AB-08-19 — все подробности! 👌

2,710

WildRecSys

23 апр. 2026 г., 19:42

❤ Negative sampling в рекомендательных системах

Негативное сэмплирование - один из ключевых инструментов обучения моделей на большом каталоге.

https://telegra.ph/Negative-Sampling-dlya-rekomendatelnyh-sistem-Prakticheskij-obzor-05-17 расскажем про основные стратегии сэмплирования:

❤ In-Batch Negative Sampling

❤ Random Negative Sampling

❤ Frequency based Random Negative Sampling

❤ Adaptive mixed strategy

❤ Adaptive mixed strategy с линейной комбинацией

3,330

WildRecSys

23 апр. 2026 г., 19:42

📊 Продуктовая аналитика в рекомендациях

Исторически, в этом канале мы рассказывали в основном про различные DS/ML-подходы к построению рекомендаций, не акцентируя внимание на самом продукте.

Именно поэтому, для полноты картины, мы запускаем цикл аналитических статей.

В них мы расскажем про особенности в проведении A/B-экспериментов и аналитических исследований, построении и визуализации CJM, разработке метрик, специфичных для рекомендаций, а также о других задачах продуктовой аналитики, помогающих бизнесу принимать решения на основе данных!

Сегодня эстафетная палочка у Лёши Кузнецова - лида аналитики персональных рекомендаций. Он https://telegra.ph/Zametki-produktovogo-analitika-04-13.

3,560

WildRecSys

23 апр. 2026 г., 19:42

📷 Photo

🎤 Декомпозиция юзера на кластерные сущности На прошлой неделе прошла конференция Data Fusion, где в кейс-сессии рекомендательных систем мы рассказали как не разориться на инфраструктуре при постоянном росте количества пользователей ➡ Запись сессии ➡ Презентация…

3,370

WildRecSys

23 апр. 2026 г., 19:42

⚙ Векторное доранжирование

В сегодняшней https://telegra.ph/Vektornoe-doranzhirovanie-v-Wildberries-04-15 рассказываем про техническое решение, которое позволяет использовать WildBERT для персонализации произвольной поюзерной выдачи без дополнительного переобучения.

Про подход, модель и инфраструктуру - https://telegra.ph/Vektornoe-doranzhirovanie-v-Wildberries-04-15.

С праздником!

3,300

WildRecSys

23 апр. 2026 г., 19:42

📷 Photo

🎤 Декомпозиция юзера на кластерные сущности

На прошлой неделе прошла конференция https://data-fusion.ru/programma2025.html, где в кейс-сессии рекомендательных систем мы рассказали как не разориться на инфраструктуре при постоянном росте количества пользователей

➡ https://broadcast.comdi.com/watch/rirkl8lr

➡ https://t.me/c

❓ Описание

При построении персональных рекомендаций зачастую подразумевается, что мы должны получить для каждого пользователя свою, уникальную подборку товаров. Однако в случае, когда пользователей становится слишком много, а в инфраструктуре товары хранятся с обогащением бизнес-факторами, такая схема становится все менее масштабируема.

Расскажу о том, как мы без просадки в качестве существенно сократили затраты на инфраструктуру за счет кластеризации пользователей и товаров.

💬 Основные тезисы:

- кластеризация пользователей (эмбеддинги WildBERT), создание агрегированной выдачи для кластера

- кластеризация товаров (e5) - выделение интересов, отображение пользователя в пространство интересов

- сравнение АБ-тестов для схем "храним подборку для каждого пользователя" и "храним только кластера, юзера описываем как набор кластеров и интересов" в разрезе ранжирующих метрик и затрат на инфраструктуру

- как в такой схеме не просадить качество - доранжирование по эмбедингам в онлайне в момент формирования выдачи

⏱ Скоро расскажем как выступили на Стачке в Ульяновске, которая также прошла на прошлой неделе

Showing 10 of 10 posts

No more posts

Рейтинг

Требуется вход

Отзывы пользователей (0)

Пока нет отзывов. Будьте первым, кто поделится своим опытом!

WildRecSys

WildRecSys

Рейтинг

Рост участников (Последние 3 дней)

Последние посты

Рейтинг

Отзывы пользователей (0)

Похожие каналы Telegram

МОЖЛИВОСТІ

снежный ком

Что-то личное

СПОРТ КЛУБ

Падшая листва

Посольство России в Узбекистане

Вузы лёгкого поведения

Эхо старинных строк

Похожие каналы Telegram

МОЖЛИВОСТІ

снежный ком

Что-то личное

СПОРТ КЛУБ

Падшая листва

Посольство России в Узбекистане

Вузы лёгкого поведения

Эхо старинных строк

Отзывы пользователей (0)

Последние посты