El grupo "T-Tekhnologii" ha publicado en acceso abierto el framework Perseus, diseñado para entrenar modelos de personalización basados en datos de diferentes servicios. El desarrollo permite unificar los eventos del usuario en una secuencia temporal única, formando una visión general del comportamiento del cliente incluso en ausencia de un historial de interacción con productos individuales.
Perseus soporta tareas de búsqueda de recomendaciones, clasificación, regresión y ranking. Durante el entrenamiento, se aplica el principio temporal de procesamiento de datos: el modelo utiliza solo eventos que ocurrieron antes de un momento dado, lo que excluye la influencia de información "del futuro". Según los desarrolladores, durante las pruebas, la calidad de las recomendaciones aumentó entre un 3 y un 17%, y la precisión de la predicción de la primera cesta creció aproximadamente un 10% en comparación con el enfoque base.
En "T-Bank", la solución ya se utiliza para servicios de compras, análisis de la respuesta a ofertas con cashback mejorado y predicción de solicitudes de clientes. El proyecto está publicado en GitHub bajo la licencia Apache 2.0 y puede aplicarse tanto para trabajar con una única fuente de datos como para crear modelos de personalización entre dominios.