Наткнулся на интересную статью от The Verge: дизлайки не работают. Это касается YouTube, но относится и к другим сервисам. Таким образом, если кто-то нажимает не нравится или не интересует для определенного видео, это видео действительно исчезает из ленты рекомендаций. Но только это конкретное видео, количество похожих видео не уменьшится.
Это хорошо согласуется с моим опытом: почти каждый раз, когда мы включали явные отрицательные сигналы в набор функций, они почти не оказывали никакого влияния. Оно и понятно — их просто слишком мало (хотя было бы интересно узнать, так ли обстоит дело с Tinder). Более того, теоретически не всегда ясно, как они должны влиять: если пользователю не нравится один элемент, значит ли это, что вероятность положительного взаимодействия с аналогичными элементами уменьшается? Я не совсем уверен. Потому что в большинстве случаев пользователям не нравятся вещи в темах, которые им интересны. Поэтому простое добавление неприязни к характеристикам кажется бессмысленным, если отрицательный сигнал также не включен в цель.
Я вспоминаю похожий эпизод из первых дней персонализированного радио на Яндекс.Музыке. В то время наша основная модель была обучена ранжировать положительные взаимодействия с пятью случайными выборками отрицательных (насколько я помню, выбранных по популярности). В какой-то момент мы обнаружили, что если пользователю не нравился определенный трек, треки того же исполнителя, по-видимому, рекомендовались даже больше. И люди начали жаловаться. Мы проверили — и действительно, от нелюбви количество треков одного и того же исполнителя только увеличилось. Объяснение оказалось простым. Если модели нужно выбрать прослушанный трек из рейтинговой группы, где остальные треки рандомны, и у одного трека из этой группы есть неприязнь к треку того же исполнителя, нетрудно догадаться — этот трек и есть тот, кого слушали.
