Российские исследователи из AI VK Research представили подход, который обеспечивает более простое обучение графовых нейронных сетей на крупных массивах данных. Протестировав метод на сценарии рекомендаций друзей во «ВКонтакте», они зафиксировали рост числа добавлений в друзья по рекомендациям на 16%. Результаты разработки поступили на рассмотрение международной конференции CIKM 2026.

Графовые нейронные сети работают с объектами и их связями, что требует существенных вычислительных ресурсов при обработке больших графов. В социальной сети это выражается в необходимости анализа данных о пользователях и их дружеских связях, чтобы формировать персональные рекомендации.

Испытания нового подхода проводились на анонимизированном графе, включавшем 194 миллиона пользователей и 28 миллиарда связей. По словам авторов, предложенная система хранения данных позволила уменьшить потребление памяти более чем в сто раз, а время подготовки обучающих данных сократилось примерно в 2,5 раза. При этом учитывается изменение структуры связей во времени.

В итоговом эксперименте доля пользователей, которые добавили по меньшей мере одного человека из рекомендаций, выросла на 11,5%. Разработку планируется использовать и в других светах задач, где требуется обработка больших наборов взаимосвязанных данных.