Российские ученые научили нейросети обрабатывать миллиарды связей, сократив расход памяти в 100 раз
iXBT.com ·
Российские исследователи из AI VK Research разработали метод, который упрощает обучение графовых нейросетей на больших массивах данных. При тестировании технологии для рекомендаций друзей во «ВКонтакте» количество добавлений в друзья из рекомендаций увеличилось на 16%. Статью с описанием разработки приняли на международную конференцию CIKM 2026.
Российские исследователи из AI VK Research разработали метод, который упрощает обучение графовых нейросетей на больших массивах данных. При тестировании технологии для рекомендаций друзей во «ВКонтакте» количество добавлений в друзья из рекомендаций увеличилось на 16%. Статью с описанием разработки приняли на международную конференцию CIKM 2026.
Графовые нейросети анализируют объекты и связи между ними. Например, в социальной сети они обрабатывают информацию о пользователях и их дружеских связях, помогая формировать персональные рекомендации. Однако работа с такими данными требует значительных вычислительных ресурсов.
Исследователи проверили новый подход на анонимизированном графе из 194 млн пользователей и 28 млрд связей. Предложенный способ хранения данных позволил сократить потребление памяти более чем в 100 раз, а подготовку информации для обучения ускорить в 2,5 раза. При этом метод учитывает изменения структуры социальных связей со временем.
В результате эксперимента доля пользователей, добавивших хотя бы одного человека из рекомендаций, выросла на 11,5%. Разработка может применяться и в других задачах, связанных с обработкой больших объемов взаимосвязанных данных.