Исследователи из Лаборатории искусственного интеллекта Сбербанка и Сколтеха разработали метод обучения нейронных сетей, благодаря которому алгоритмы могут учитывать одновременно локальные и глобальные уровни данных по банковским операциям. Результаты исследования, поддержанного грантом Российского научного фонда (РНФ), опубликованы в International Journal of Information Management Data Insights.

Авторы предложили методологию оценки нейросетевых моделей для задач обработки последовательностей событий. Задачи были разделены на три типа: глобальные, локальные и динамические. Глобальные требуют оценки некоторой общей характеристики последовательности, которая почти не меняется за рассматриваемый промежуток времени: возраст клиента, платёжеспособность, удовлетворённость услугами банка. Локальные и динамические опираются на некоторую характеристику, которая постоянно меняется во времени, например предсказание следующего события, требуют, чтобы нейросеть могла быстро реагировать на резкие изменения поведения клиента, к примеру, детекция смены страны жительства.

На всех вышеперечисленных задачах был протестирован широкий набор передовых методов. Исходя из результатов, была разработана совершенно новая методика анализа последовательных данных. Предлагается при анализе учитывать внешнюю контекстную информацию, то есть данные о других клиентах, особенно тех, кто по ряду признаков похож на анализируемого. Это помогает принять во внимание различные глобальные тенденции. Такой подход улучшает метрики моделей на всех предложенных задачах, в некоторых случаях с отрывом в 20%.

«Одно из уникальных свойств нейронных сетей — универсальность, способность адаптироваться к разным задачам без дополнительных затрат. В работе мы смогли описать широкий набор задач — и предложить решения, которые хорошо справляются со всеми, в том числе в случае изменения поведения пользователя со временем. Отдельно я горжусь тем, что получилось в модели учесть поведение похожих пользователей, что привело к дальнейшему увеличению качества модели. На публикации работа не заканчивается, и дальше мы планируем использовать метод для новых типов данных, повысить устойчивость нейросетей к аномалиям», — прокомментировал Алексей Зайцев, доцент и заведующий лабораторией прикладных исследований «Сколтех-Сбербанк» Центра ИИ Сколтеха, руководитель проекта, поддержанного грантом РНФ.

«Большинство задач, с которыми мы работали до начала этого исследования, можно было отнести к глобальным, но мы попробовали сработать на опережение и найти алгоритмы, которые будут хорошо справляться и с локальными постановками. Удивительно, но сейчас уже большая часть возникающих перед нами задач скорее относится к локальным. Получилось, что практическая потребность только появилась, а у нас уже готово хорошее решение. На мой взгляд, это одно из основных достоинств работы, отличающей её от большинства журнальных статей по искусственному интеллекту, которые на момент публикации уже немного устаревают», — поделился Андрей Савченко, научный директор Лаборатории искусственного интеллекта Сбербанка.