RecSys Lab

Интерактивная лаборатория рекомендательных систем на датасете MovieLens. Каждый модуль — теория, живая песочница и визуализация.

Checking backend…

Базовые модели

от baseline к нейросетям
Фаза 1готово

Popularity baseline

Простейшая модель и весь pipeline целиком.

Фаза 2готово

Content-based (TF-IDF)

Сходство по жанрам и тегам, «похожие фильмы».

Фаза 3готово

Collaborative filtering

User/item-based kNN, similarity-heatmap.

Фаза 4скоро

Matrix Factorization

Latent-факторы и scatter эмбеддингов.

Фаза 5скоро

Сравнение моделей

Метрики всех моделей и cold-start срез.

Фаза 6скоро

Нейросетевой baseline

BPR, Two-tower (retrieval), NeuMF.

Продвинутые и SOTA

актуальные индустриальные подходы
Фаза 7скоро

Двухстадийная архитектура

retrieval → ranking → re-rank, ANN-поиск (FAISS/HNSW).

Фаза 8теория

Feature-rich ranking & CTR

LambdaMART, Wide&Deep, DeepFM, DCN-v2.

Фаза 9скоро

Sequential / session-based

GRU4Rec → SASRec → BERT4Rec.

Фаза 10теория

Graph-based

LightGCN, PinSage — сигнал из графа взаимодействий.

Фаза 11теория

Multi-task & multi-objective

MMoE, PLE, ESMM — несколько бизнес-целей.

Фаза 12теория

Bandits & RL

Thompson Sampling, LinUCB, долгосрочная ценность.

Фаза 13теория

LLM-эра

Semantic IDs (TIGER), LLM-as-recommender, RAG.

Фаза 14теория

Оценка и продакшен

A/B, off-policy/IPS, debiasing, bias.