Российские ученые научили нейросети обрабатывать миллиарды связей, сократив расход памяти в 100 раз
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.
© iXBT
