
AI VK Research разработала метод, который позволяет масштабировать графовые нейросети на сотни миллионов объектов и миллиарды связей. Подход протестировали на рекомендациях друзей во «ВКонтакте»: количество добавлений в друзья из рекомендаций выросло на 16%. Научную работу исследователей приняли на международную конференцию CIKM 2026.
Графовые нейросети работают с данными, представленными в виде объектов и связей между ними. Например, в социальной сети объектами выступают пользователи, а связями — дружба между ними. Такие модели применяют в рекомендательных системах и других задачах, где важно учитывать взаимосвязи между данными.
Для проверки метода исследователи использовали анонимизированный социальный граф из 194 млн пользователей и 28 млрд дружеских связей. Они предложили новый способ представления данных, который позволил сократить требования к памяти более чем в 100 раз. Кроме того, подготовка данных для обучения ускорилась в 2,5 раза.
В ходе тестирования число пользователей, добавивших хотя бы одного рекомендованного друга, выросло на 11,5%. Разработка учитывает изменения социального графа со временем и может применяться в разных индустриальных задачах, где приходится обрабатывать большие объёмы связанных данных. Подробности метода изложены в научной работе Scaling Graph Neural Networks for Friend Recommendation: Multi-Hash User Embeddings and Temporal Neighbor Sampling.



