Масштабируемые рекомендательные системы в гиперболическом пространстве

Мы представляем масштабируемую рекомендательную систему в гиперболическом пространстве. Обсуждаем, почему гиперболическая геометрия является более подходящей базовой геометрией для многих рекомендательных систем, и излагаем основные вехи и выводы, полученные в ходе её разработки. Таким образом мы демонстрируем жизнеспособность гиперболической геометрии для рекомендательных систем, показывая, что они существенно превосходят евклидовы модели на наборах данных с характеристиками сложных сетей. Ключевыми для успеха нашего подхода являются новаторский выбор базовой гиперболической модели и использование среднего Эйнштейна для определения асимметричной рекомендательной системы в гиперболическом пространстве. Эти решения позволяют нам масштабироваться до миллионов пользователей и сотен тысяч объектов.