Ознакомьтесь с нашей политикой обработки персональных данных
  • ↓
  • ↑
  • ⇑
 
Записи с темой: ya.ru:author:5105614 (список заголовков)
14:51 

Яндекс.Транспорт. Избранное

С момента выхода первой версии приложения Яндекс.Транспорт прошло уже больше года. За это время география Транспорта выросла с пяти до нескольких десятков городов и продолжает расширяться. Сегодня мы добавили в Яндекс.Транспорт возможность, о которой просили многие пользователи, — избранные остановки и маршруты. Теперь вы можете отметить свою остановку и те маршруты, которыми регулярно пользуетесь, чтобы видеть на карте только нужный вам транспорт.





Для управления избранным необходимо авторизоваться под своей учётной записью на Яндексе, а чтобы следить за движением нужных маршрутов на карте, просто включите в настройках приложения слой «Мои маршруты».



Избранное работает только в тех городах, где приложение показывает движение транспорта на карте в реальном времени. Это Воронеж, Екатеринбург, Казань, Калининград, Красноярск, Липецк, Москва и область, Нижний Новгород, Новосибирск, Омск, Пермь, Санкт-Петербург, Челябинск, Череповец, а также Астана и Киев, который мы добавили в этом обновлении. Ещё в 68 городах России, Беларуси, Украины и Казахстана приложение Яндекс.Транспорт позволяет посмотреть информацию об остановках и маршрутах общественного транспорта.



Скачать обновлённое приложение Яндекс.Транспорт можно в Яндекс.Store, Google Play и App Store..


@темы: ya.ru:author:5105614, ya.ru:text, мобильные приложения, транспорт

19:48 

Проблемы с отображением результатов поиска Яндекса

Днём 12 мая мы начали получать жалобы на некорректную работу поиска. Что результаты поиска выглядят странно, а иногда по самым обычным запросам Яндекс вообще ничего не находит. К примеру, у одного из наших пользователей ответ на заданный запрос выглядел так:





Как выяснилось, эти проблемы были вызваны работой расширения для браузера AdBlock Plus, которое блокирует рекламу на сайтах. Поздно вечером 11 мая правила блокировки изменились таким образом, что это расширение начало блокировать элементы, не относящиеся к рекламе. Это и привело к искажению результатов поиска Яндекса.



Исправления в правила AdBlock Plus уже внесены, однако они вступают в силу медленно — поэтому проблемы могут сохраняться ещё некоторое время. Это уже не первый случай, когда работа расширения, которое должно блокировать рекламу, приводит к некорректному отображению результатов поиска Яндекса. Поэтому, если вы хотите избежать искажений вёрстки результатов поиска, добавьте в настройках AdBlock Plus исключение для yandex.ru. Мы составили инструкцию для некоторых браузеров, в которых часто используется это расширение, — Chrome и Яндекс.Браузер:







И Firefox:



.


@темы: ya.ru:author:5105614, ya.ru:text, Поиск

14:26 

Победители

В преддверии 70-летия Победы вышло приложение «Победители» для iPhone, созданное при поддержке Яндекса. Это одновременно исторический справочник и интерактивная аудиокнига: статьи, фотографии, видеохроники и воспоминания ветеранов Великой Отечественной войны — всего около 70 страниц текста и почти четыре часа аудиозаписей.





Приложение является продолжением проекта «Победители», запущенного в 2005 году. Проект позволяет ознакомиться с историей Великой Отечественной войны во всех подробностях — от плана «Барбаросса» до капитуляции Германии. В ближайшее время на сайте будет опубликован и эпилог, написанный специально для приложения, — рассказ о Советско-японской войне, завершившей Вторую мировую.



Исторический сценарий хода войны для проекта «Победители» был разработан под руководством доктора исторических наук полковника А. В. Кириллова при участии журналиста-историка Г. Ю. Пернавского.



Скачать приложение «Победители» можно в App Store..


@темы: ya.ru:text, спецпроекты, мобильные приложения, ya.ru:author:5105614

13:09 

Яндекс.Таксист

В середине апреля команда сервиса Яндекс.Такси села за руль московских такси, чтобы на своём опыте узнать, каково это — оказаться с другой стороны системы, над которой работаешь каждый день. В акции участвовали менеджеры, дизайнеры, разработчики — все те, кто пишет программный код, рисует интерфейсы и проектирует поведение системы.







Тигран Худавердян, руководитель сервиса Яндекс.Такси:



Я совершенно убежден, что единственный способ сделать новый хороший сервис для людей — делать его для себя. Нужно постоянно пользоваться им и обязательно пользоваться сервисами конкурентов, притом не меньше, чем своим. И в сервисах конкурентов важно искать не недостатки, а наоборот — то, чем они лучше, чтобы и самим сделать лучше. В тот день, когда вы со спокойной совестью порекомендуете свой сервис близким людям — мамам, друзьям или просто знакомым, — можно считать, что получилось сделать что-то стоящее.



Мы, команда Яндекс.Такси, часто пользуемся такси — это часть жизни любого жителя большого города. Недавно заглянул в «админку» нашего сервиса и выяснил, что за два с половиной года совершил 810 поездок на Яндекс.Такси. Когда много ездишь, чувствуешь на собственной шкуре каждый недочёт, каждый «баг» или недоработку сервиса. И начинаешь относиться к ним не как к строчке вроде «13409 minor bug» в списке задач, а как к событию, которое произошло с тобой самим.



Однако Яндекс.Такси — сервис не только для пассажиров, но и для таксистов. Например, Яндекс.Таксометр — приложение для смартфонов и планшетов, которое помимо обычных функций таксометра — рассчитать стоимость поездки — умеет предлагать водителям заказы, строить маршрут в Навигаторе, показывать время в пути и так далее. Мы решили выяснить, как водитель взаимодействует с этим приложением, какие трудности возникают у него до, во время и после выполнения заказа, что удобно, а что — нет. Очевидно, что для того, чтобы полностью понять все трудности, нужно стать водителем такси «по-настоящему», но мы были уверены, что даже временное погружение покажет нам общую картину. Вот и решили — погрузиться.



Итак, мы арендовали 15 настоящих такси, заключили необходимые договора с таксопарком, который предоставил нам машины, прошли инструктаж и медосмотр. Все машины перед рейсом проверил специальный проверяющий. И мы поехали.



Сидя за рулём обращаешь внимание на всё: как распределяются заказы, на каком расстоянии от адреса подачи их получает водитель, как приходят уведомления, как ведут себя пассажиры, что им удобно и неудобно. Нескольких заказов хватило, чтобы заметить, где и что нужно изменить. Например, мы обнаружили, что робот иногда выдаёт заказ водителю, который только что проехал нужный поворот. Географически-то он рядом, но в реальности, чтобы доехать до клиента, ему нужно где-то развернуться, и не всегда этот разворот близко. Вернувшись из поездки, мы обменялись впечатлениями и обсудили, как можно это починить и какие ещё недочёты затрудняют работу водителей.



Дарья Золотухина, руководитель группы маркетинга Яндекс.Такси:



Когда в первый раз садишься за руль такси, это, конечно, адреналин. Ты не знаешь, кто сядет к тебе в машину, в каком настроении он будет и как себя поведёт. Я сама часто разбираю отзывы и жалобы на Такси и знаю, как реагируют люди, которым что-то не понравилось в сервисе. Поэтому я опасалась, что мне попадутся такие пассажиры, и они будут вести себя агрессивно. Оказалось — зря.



Я думала, что люди будут удивляться — всё-таки девушка за рулём. Но моим первым клиентом тоже была девушка, иностранка, и её это вообще не удивило. Она давно не была в России, а такси ей заказали на ресепшене в гостинице. Хотя следующий пассажир сразу насторожился — его явно что-то смущало. В машине он немного стеснялся и как будто наблюдал за мной. И только когда узнал, что я работаю в Яндекс.Такси, — расслабился. Наверное, для него всё встало на свои места.



Мне показалось, что люди часто не замечают водителя или относятся к нему как-то предвзято. Например, могут разговаривать при нём о своих интимных делах или изливать на него какой-то негатив, которым бы ни за что не стали делиться с друзьями. Было и такое, но интересно, что отношение людей очень сильно менялось, как только они узнавали, что я на самом деле не таксист. Отчасти из-за того, что водителя так воспринимают, это эмоционально очень тяжёлая работа. Но мне этот опыт помог посмотреть и на пассажира, и на водителя с другой стороны.



Запомнилась ещё одна деталь. Приезжая на заказ, я всегда старалась заранее развернуться так, чтобы выезжать было удобно. Когда я сама вызываю Яндекс.Такси, часто мы разворачиваемся вместе с водителем, когда я уже села в машину. Это одна из таких мелочей, которые вроде бы кажутся очевидными, но осознаёшь их ты только в процессе, когда сам за рулём. И, возможно, это стоит включить в рекомендации для водителя, сделать стандартом качества. В целом поездка очень понравилась, и я бы вызвалась добровольцем, если мы ещё раз устроим такую акцию.



Григорий Дергачёв, руководитель проектов в Яндекс.Такси:



Наверное, мне повезло: заказы доставались в основном в центре или в районе, где я живу. Поэтому Навигатор включать почти не приходилось, и в целом никакого стресса не было. Возил я в основном почему-то бабушек и детей. Все остались довольны, и было приятно, что клиенты часто ставили пятёрки. Хотя, конечно, поездки были бесплатные, поэтому результаты могли быть немного смазаны.



Был один интересный заказ, с детским креслом. Многие пассажиры часто просят именно кресло, а не бустер, и отсутствие в машине детского кресла — одна из частых жалоб. Вот и мне попался такой заказ — в комментарии клиент просил именно кресло. Как назло, у меня в багажнике оказался только бустер. Я решил отменить заказ, но клиент позвонил мне и спросил, почему я проехал мимо. Я объяснил ситуацию, и вдруг оказалось, что его устроит и бустер. На заказ я в итоге приехал и довёз бабушку с внуком до детского сада.



В основном все поездки были очень короткие, и я отчасти почувствовал на себе, каково это — приезжать за 25 минут до заказа, а потом довезти пассажира до места за три-четыре минуты. Если говорить о каком-то практическом результате, то при работе с софтом для водителей периодически возникали трудности — так что теперь понятно, что можно изменить. И команда Яндекс.Таксометра уже работает над этим..


@темы: ya.ru:author:5105614, Такси, ya.ru:text

12:49 

Чистка окуня за 10 секунд

Каждую неделю российские пользователи задают в поиске Яндекса 200-300 тысяч запросов о том, как сделать что-то за определённый промежуток времени. Мы проанализировали эти запросы и выяснили, что люди хотят сделать за несколько секунд:







И что хотят успеть за несколько минут:







Больше подробностей ищите на странице исследования «"Стать феей за секунду" — что хотят сделать за несколько секунд или минут»..


@темы: ya.ru:author:5105614, ya.ru:text, исследования

12:59 

Первый год факультета компьютерных наук

В прошлом году в Высшей школе экономики появился факультет компьютерных наук, созданный при участии Яндекса. На первый курс поступило более 320 человек. Специалисты Яндекса принимали активное участие в разработке программы обучения и преподавании в бакалавриате «Прикладная математика и информатика», и вот каким был первый год обучения студентов этой программы.



Михаил Левин, руководитель службы анализа больших данных в Яндексе, один из преподавателей факультета компьютерных наук ВШЭ:

Михаил Левин, руководитель службы анализа больших данных в Яндексе

На факультет поступило неожиданно много студентов. Сначала на «Прикладной математике и информатике» у нас было сто бюджетных мест. Однако к середине июля мы получили куда больше ста заявлений только от олимпиадников, которые могли рассчитывать на поступление без экзаменов. В итоге за счёт ВШЭ увеличили количество бюджетных мест и набрали около двухсот человек — почти в два раза больше, чем собирались. Вместо одного лекционного потока сформировали два.



В первом и втором модулях студенты изучали программирование на Python и C++, в третьем начался базовый курс алгоритмов. Кроме того, первокурсникам преподавали математический анализ, дискретную математику, линейную алгебру и геометрию (на сайте ВШЭ можно изучить общую программу бакалавриата целиком). Многие семинаристы — сотрудники Яндекса. Лекторами по некоторым курсам также были специалисты из Яндекса, а кроме того мы пригласили хороших лекторов из НМУ, с мехмата. Большинство наших семинаристов и лекторов получили от студентов высокие оценки.



На входе мы проводили тестирование по математике и программированию (кстати, по ссылке можно проверить свои силы и сравнить результаты с результатами наших первокурсников). Оно было нужно, чтобы создать пилотную группу из наиболее сильных и готовых к дополнительной нагрузке студентов. На семинарах они уходят вперёд или рассматривают темы более глубоко, а также сдают более продвинутые факультативы по математике и алгоритмам.



Студенты пилотной группы ПМИ ФКН

С первого курса студенты ПМИ ФКН начинают проектную работу. Проектный семинар стартовал в третьем модуле. Индивидуальными проектами наших студентов руководят более 25 менторов из IT-индустрии и науки. Темы проектов простираются от приближенных решений задачи коммивояжера, архиватора и написания ботов, хорошо играющих в 2048, до веб-схемы метро с поиском маршрута, распознавателя капчи, кластеризации раковых транскриптов и сервиса статистического анализа истории рыночных цен финансовых активов, в общем — смотрите сами. В конце третьего модуля студенты сдали промежуточные отчёты, и сейчас у большинства из них уже есть работающие прототипы.



С первых дней на факультете начал работу центр студенческих олимпиад ВШЭ под руководством Михаила Густокашина. Тренировки проходят два раза в неделю — на факультете и в Яндексе. К нам поступили очень сильные олимпиадники, имеющие опыт в спортивном программировании, и результаты не заставили себя ждать. Две команды дошли до полуфинала международного студенческого чемпионата по программированию ACM ICPC, одна из них вышла в финал. Это очень сильный результат: команда состояла целиком из первокурсников, и ребята выступили лучше всех команд первокурсников в России.



Конечно, на факультете есть не только бакалаврские программы. У нас продолжает работать магистратура, в которой, в том числе, есть отделение ШАДа. Была разработана новая магистерская программа — «Математические методы оптимизации и стохастики», под руководством Владимира Спокойного. Также мы организовали аспирантскую школу по компьютерным наукам со своим научным семинаром.



В этом году на ФКН были созданы Коллоквиум и IT-лекторий. Коллоквиум — научное мероприятие, на нём выступали с лекциями различные российские и зарубежные ученые, например, Александр Шень, Штефан Хаар, Дмитрий Ветров, Илья Разенштейн, Глеб Гусев, Макс Канович, Владимир Спокойный и другие. IT-лекторий — место, где выступают специалисты их разных компаний и рассказывают об интересных проектах в IT-индустрии. Нас посетили представители Яндекса, Facebook, ВКонтакте, Одноклассников, Крока, SAP и других компаний.



Кроме того, Яндекс учредил стипендию имени Ильи Сегаловича, которая присуждается ежегодно трём аспирантам, трём магистрам и 10 бакалаврам факультета компьютерных наук. Недавно стали известны имена первых лауреатов стипендии.



Присуждение стипендии имени Ильи Сегаловича



В этом году приём документов в бакалавриат факультета компьютерных наук начнётся 20 июня, в магистратуру — 2 июня. С критериями приема можно ознакомиться на сайте приёмной комиссии Высшей школы экономики. Порядок приёма победителей и призёров олимпиад школьников на 2015 год будет опубликован не позднее 1 июня.



Больше информации для абитуриентов вы можете найти на сайте факультета. Кроме того, завтра, 29 апреля, состоится презентация факультета компьютерных наук. По ссылке вы можете посмотреть прямую трансляцию мероприятия, она начнётся в 17:00 по московскому времени. Если у вас остались вопросы — задавайте их в комментариях..


@темы: ya.ru:author:5105614, ya.ru:text, наука и образование

12:37 

Яндекс.Алгоритм-2015

Сегодня мы открываем регистрацию на чемпионат по спортивному программированию Яндекс.Алгоритм-2015. В этом году чемпионат пройдёт полностью в онлайне, на платформе Яндекс.Контест. Участником может стать каждый, кто умеет решать алгоритмические задачи и воплощать решения на одном из 13 языков программирования.



Яндекс.Алгоритм состоит из нескольких отборочных раундов, в каждом из которых нужно решить пять задач за 100 минут. В финал, который состоится 6 августа, выйдут 25 лучших по результатам отбора. Призёров ждут денежные призы: 300 тысяч рублей за первое место, 150 — за второе и 90 — за третье. Кроме того, 512 сильнейших участников Алгоритма получат футболки от Яндекса.



Спортивное программирование — область, в которой нужно уметь решать очень сложные задачи за очень короткое время. Насколько это умение нужно программисту при написании промышленного кода? Мы задали этот вопрос сотрудникам Яндекса, которые занимались или занимаются спортивным программированием, и узнали, как этот опыт помогает (или мешает) им в работе.





Яндекс.Алгоритм проводится в третий раз. В 2013 и 2014 годах победу в чемпионате одержал белорус Геннадий Короткевич. Разбор задач чемпионатов прошлых лет можно найти в нашем техноблоге на Хабрахабре (задачи Яндекс.Алгоритма-2013 и Яндекс.Алгоритма-2014)..


@темы: спортивное программирование, ya.ru:text, ya.ru:author:5105614

13:55 

Колдунщик цветов: возвращение

Если вы когда-нибудь задавались вопросом, какого цвета бедро испуганной нимфы, недоумевали, о каком таком «перванше» идёт речь в любимой книге, или хотели перекодировать нужный оттенок из RGB в HSV, вы уже наверняка знакомы с колдунщиком цветов Яндекса. Если нет, то вот он, просим любить и жаловать.





Колдунщик цветов появился в 2008 году. К нему быстро привыкли: кому-то он помогал в работе, кому-то просто нравилось вращать барабан и узнавать о существовании цветов вроде «бисмарк-фуриозо». Но летом прошлого года страница результатов поиска поменяла интерфейс, и некоторыми возможностями пришлось временно пожертвовать — в том числе и колдунщиком цветов. Зато вернулся он в улучшенном виде.



Старый колдунщик знал 234 цвета. В новом их стало 1010: мы взяли за основу несколько существующих списков именованных цветов (это те, за которыми закреплены конкретное название и координаты в стандартных цветовых моделях вроде RGB) и добавили несколько оттенков, названия для которых придумали сами. Теперь нужно было разложить эти цвета по порядку — чтобы людям было удобно пользоваться колдунщиком, переходы между соседними цветами должны быть плавными. Надо ли говорить, что это оказалось и сложнее, и интереснее, чем мы думали.



Так выглядел наш набор цветов до сортировки.





Вручную выстроить эти цвета в плавную последовательность практически невозможно. Один и тот же цвет на глаз воспринимается по-разному — в зависимости от его окружения. Когда меняешь расположение одного цвета, нужно передвигать и другие. Местоположение одних только оттенков синего можно выверять до бесконечности. Очевидно, что эту задачу нужно решать математически.



В упрощенном виде её можно сформулировать так: нужно нанизать 1010 цветов на нитку — так, чтобы получившиеся бусы максимально плавно меняли окрас. Тут необходимо учитывать, что нитка одномерная, а все модели цветового пространства как минимум трёхмерны. Это связано с физиологией человеческого зрения. Фоторецепторы, с помощью которых мы различаем цвета, — колбочки — делятся на три типа, по чувствительности к разным длинам волн света. Первые интенсивно реагируют на фиолетово-синюю часть спектра, вторые — на зелёно-жёлтую, третьи — на жёлто-красную. Например, если раздражены два последних типа рецепторов, то мы видим жёлтый цвет, если только последние — красный.



Такая физиология человеческого восприятия отражена в цветовой модели RGB. Это трёхмерное пространство, заданное осями, по которым увеличивается интенсивность красной (red), зеленой (green) и синей (blue) компонент. Поместить наши цвета в это пространство никакой проблемы не составляет — их координаты известны. Проблема — в плавности переходов от одного цвета к другому.





Чтобы переход был плавным, две соседние «бусины» должны минимально отличаться по цвету — для человеческого восприятия. Это уточнение не такое очевидное, каким кажется. Логично предположить, что чем меньше один цвет отстоит от другого в математической модели, тем меньше они отличаются на глаз. Значит, необходимо найти такое расположение для нашей нитки, чтобы между последовательными бусинами-цветами было наименьшее расстояние. Это верный ход мысли, но не для всякой цветовой модели.



Цветовые пространства большинства моделей, в том числе и RGB, не однородны для нашего восприятия. Другими словами, человеческим глазом один и тот же сдвиг по осям координат ощущается по-разному в разных цветовых регионах. Если взять два цвета — например, красный и тёмно-зеленый — и изменить их координаты так, чтобы сдвиг по всем трём осям был равным и параллельным, то на глаз разница между красным и получившимся тёмно-красным будет больше, чем между тёмно-зеленым и тёмно-тёмно-зеленым. Это значит, что если мы найдем математический алгоритм, который по оптимальному маршруту обойдёт все интересующие нас объекты такого цветового пространства и нанижет их на одномерную нитку, то для человеческого глаза изменение её окраса не будет равномерным — а мы-то хотели добиться именно этого.



Одна из моделей, в которых визуальная однородность достигается математическими средствами, назвается CIELAB — в ней-то мы и решали нашу задачу. По своему устройству CIELAB принципиально отличается от RGB: оси координат в ней задают яркость и две пары противоположных цветов (красный — зеленый, синий — жёлтый).





Итак, мы поместили наши 1010 цветов в пространство, где геометрическое расстояние между цветами соответствует восприятию разницы между ними. Теперь нам осталось обойти их так, чтобы расстояние между каждыми двумя последовательными элементами было бы минимальным.



Тут напрашивается решение с помощью алгоритма «ближайшего соседа»: выбираем точку, которая к нам ближе всего, добравшись до неё, ищем новую ближайшую точку и так далее. Однако алгоритм «ближайшего соседа» решает только локальную задачу, игнорируя картину в целом. Представьте себе архипелаг, острова которого разбросаны так же неравномерно, как 1010 цветов в нашем пространстве. Если путешествовать по ним, каждый раз двигаясь к ближайшему острову, мы в результате рискуем очень скоро оказаться, например, на южном краю архипелага, оставив не охваченными еще десять островов на севере. Тогда нам придется совершить длинный перелет, или, в нашем случае, — резкий переход от одного цвета к другому. Так что это решение нам не подходит.



Задача, с которой мы столкнулись, улучшая колдунщик цветов, представляет собой частный случай одной из самых известных задач комбинаторной оптимизации — задачи коммивояжёра. В классическом виде она заключается в том, чтобы найти самый короткий маршрут, который позволил бы коммивояжёру хотя бы раз оказаться в каждом из городов в его списке, а в конце пути вернуться в исходную точку. Правда, мы имели дело не с плоской картой, а с трёхмерным пространством, но в остальном картина похожа: коммивояжёру предстояло посетить пляж Бонди, пески пустыни, горный луг, Мичиганский университет и ещё 1006 пунктов и при этом пройти по оптимальному маршруту. Как и для большинства классических задач, для задачи коммивояжёра существуют готовые алгоритмы оптимизации. Применив их к нашему случаю, мы получили вот такой цветной путь коммивояжёра в 3D.





Теперь повторить путь коммивояжёра в цветовом пространстве CIELAB вы можете на странице результатов поиска. Просто поищите, например, [цвет Яндекса]..


@темы: ya.ru:author:5105614, ya.ru:text, Поиск, колдунщики

12:24 

Новое Яндекс.Метро

Сегодня мы выпустили обновлённое приложение Яндекс.Метро для Android. Теперь с его помощью жители Москвы могут пополнить транспортную карту «Тройка», а петербужцы — карту «Подорожник». Это позволит не тратить время в очереди в кассу. Средства поступают на карту сразу, перед поездкой её нужно только активировать: приложить к жёлтому информационному терминалу в московском метро или к визуализатору — в Петербурге. К оплате принимаются банковские карты Visa и MasterCard, а сам платёж обеспечивают Яндекс.Деньги. При пополнении «Подорожника» комиссия составит 3%, для карты «Тройка» комиссии нет.



Кроме того, у Яндекс.Метро новый дизайн и небольшие изменения в интерфейсе. В частности, мы перенесли список станций маршрута и нашу любимую подсказку — в какой вагон лучше садиться для быстрой пересадки с одной линии на другую — в нижнюю часть экрана. Так до них будет проще дотянуться пальцем, особенно на смартфонах с большим экраном.





Обновлённое Яндекс.Метро поможет вам не только под землёй, но и на поверхности — прямо из приложения можно перейти в мобильные Яндекс.Карты и посмотреть, где находятся выходы с нужной станции.



Яндекс.Метро для Android доступно в Google Play. Обновлённая версия Метро для iOS появится в App Store в ближайшее время..


@темы: транспорт, мобильные приложения, ya.ru:text, ya.ru:author:5105614

13:39 

Яндекс.Карты на улицах городов

Миллионы людей пользуются Яндекс.Картами в интернете, но почти не встречают их на улицах. Мы решили это исправить и разместить в городах печатные карты — чтобы они помогали прохожим ориентироваться на месте. Мы обратились с этой идеей в несколько крупных городов. На старте откликнулись Омск, Казань и Волгоград: нас поддержали как местные власти, так и рекламные операторы, которым принадлежат щиты и другие рекламные поверхности.



Первый проект был запущен весной прошлого года в Омске — совместно с Министерством культуры Омской области. Мы решили создать своего рода путеводители по городу. Коллеги из министерства составили список интересных мест. Мы подготовили и напечатали макеты. А места для размещения макетов предоставил один из операторов наружной рекламы. Гуляя по Омску, теперь можно подойти к карте и узнать, что интересного есть поблизости, почитать любопытные факты из истории города, посмотреть режим и часы работы музеев. В феврале этого года аналогичный проект стартовал в Волгограде.


Яндекс.Карты в Омске. Макет в полном размере




Немного другой проект мы запустили в Казани вместе с городским Комитетом по транспорту. Там стояла задача рассказать о маршрутах общественного транспорта, чтобы людям было проще выбрать нужный автобус или трамвай. И в декабре прошлого года на остановках Казани появились макеты, созданные на основе Яндекс.Карт. На каждом макете представлена схема движения транспорта, который следует через остановку, и карта местности в радиусе 1,5-2 километров от неё. Прохожие могут не только выбрать подходящий транспорт, но и узнать о находящихся поблизости объектах — магазинах, школах и так далее. Макеты подготовлены на русском и английском языках, чтобы ими могли пользоваться и местные жители, и иностранные гости.


Яндекс.Карты в Казани. Макет в полном размере




Подобные проекты делаем не только мы. Иногда к нам приходят общественные организации или компании, которые хотят напечатать карту с расположением определенных объектов. И мы с удовольствием помогаем всем, кто делает полезные для городов проекты. А чтобы с нами было удобнее работать, мы создали сайт «Карты в городе». Там есть примеры уже готовых проектов и удобные формы для отправки запроса. Если у вас есть хорошая идея и для её реализации нужна карта, напишите нам через сайт. Мы или бесплатно выгрузим вам нужный фрагмент карты, или предложим другой формат сотрудничества.


Команда Яндекс.Карт


.


@темы: ya.ru:author:5105614, ya.ru:text, Карты, решение задач

15:23 

Новая Яндекс.Почта для iPhone

Мы обновили Яндекс.Почту для iPhone. Приложение изменилось во всём: у него новый интерфейс и новые возможности.





Теперь Яндекс.Почта позволяет работать с несколькими аккаунтами параллельно, читать письма и отвечать на них без интернета, легко и быстро разбирать корреспонденцию. Больше о том, что нового появилось в приложении, читайте в блоге Яндекс.Почты..


@темы: ya.ru:author:5105614, ya.ru:text, Почта, мобильные приложения

13:01 

Первые лауреаты стипендии имени Сегаловича

В прошлом году Яндекс учредил стипендию имени Ильи Сегаловича для студентов и аспирантов факультета компьютерных наук Высшей школы экономики. Она выдаётся на один год за успехи в учёбе и научной деятельности. Сегодня мы рады объявить имена первых лауреатов этой стипендии.



Стипендию получили 16 человек: Тимур Бадретдинов, Михаил Дубов, Степан Зимин, Вадим Калашников, Наталья Корепанова, Илона Папава, Александр Пономаренко, Анна Потапенко, Айдар Сайранов, Полина Святокум, Ярослав Сергиенко, Исмаил Хамитов, Евгений Цымбалов, Андрей Шестаков, Иван Шугуров и Рамиль Яруллин. Поздравляем!

Декан факультета компьютерных наук Иван Аржанцев и стипендиатка Наталья Корепанова

Декан факультета компьютерных наук Иван Аржанцев и стипендиатка Наталья Корепанова




У многих стипендиатов уже есть серьёзные научные работы и достижения. Cтудентка магистратуры Наталья Корепанова несколько лет занимается анализом эффективности лечения детского лимфобластного лейкоза. Работы аспиранта Александра Пономаренко на тему исследования и разработки алгоритмов поиска в распределённых масштабируемых хранилищах данных публиковались в международных научных журналах. Ещё один аспирант факультета, Анна Потапенко, изучает статистический анализ текста и опубликовала уже 10 научных работ на эту тему.



Среди стипендиатов не только аспиранты и студенты старших курсов, но и первокурсники, многие из которых являются победителями и призёрами олимпиад по математике и программированию. Например, студент первого курса Айдар Сайранов, который входит в число 50 лучших спортивных программистов мира и сейчас готовит свою команду к участию в финале чемпионата мира по программированию ACM в Марокко.



Факультет компьютерных наук ВШЭ был открыт в прошлом году при участии Яндекса. Это одно из немногих мест в России, где можно получить системное образование в области хранения и обработки больших данных. В ближайшие выходные, 4 и 5 апреля, в Москве состоятся День открытых дверей для поступающих в магистратуру факультета компьютерных наук и День для школьников. Всю информацию о них вы можете найти на сайте факультета..


@темы: ya.ru:author:5105614, ya.ru:text, наука и образование

16:09 

Школа анализа данных объявляет набор

Яндекс открывает новый набор в Школу анализа данных. Это двухгодичные вечерние курсы для тех, кто хочет получить образование в области обработки и анализа данных и извлечения информации из интернета. Школа требует хорошей математической подготовки и рассчитана прежде всего на студентов и молодых выпускников инженерных и математических специальностей.





В Школе анализа данных можно получить знания, которых нет в программах большинства университетов. Студенты школы изучают машинное обучение, методы обработки больших данных, компьютерное зрение, информационный поиск и другие области компьютерных наук под руководством специалистов, которые работают в IT-индустрии или занимаются современной наукой.



Если вы хотите поступить в ШАД, заполните анкету на сайте школы до 15 мая. После этого вы получите письмо со ссылкой на онлайн-тест по математике и основам программирования. Всех, кто успешно справится с тестом, мы пригласим на письменный экзамен, который состоится в конце мая – начале июня. Лучшим по результатам экзамена предстоит пройти собеседование, по итогам которого будет принято окончательное решение.



На сайте школы вы можете изучить экзаменационные задания прошлых лет и узнать, к чему стоит готовиться. Познакомиться с преподавателями школы и узнать о новом направлении «Большие данные» можно будет на Дне открытых дверей ШАД. Он состоится 19 апреля в московском офисе Яндекса, для участия необходимо зарегистрироваться.



Занятия в ШАД проводятся по вечерам в будние дни. Учиться в школе можно очно или заочно, по видеолекциям. Во время обучения или после окончания школы студенты могут пройти стажировку в Яндексе.



Школа анализа данных существует с 2007 года и выпустила более 300 специалистов, многие из которых занимаются наукой, работают в Яндексе и других крупных IT-компаниях в России и за рубежом. Отделения ШАД существуют в Санкт-Петербурге (в рамках Computer Science Center), Новосибирске, Екатеринбурге, Минске и Киеве..


@темы: ya.ru:author:5105614, ya.ru:text, ШАД, наука и образование

13:54 

Место под солнцем

В феврале 2015 года люди задали более 3,5 миллиона запросов о туристических поездках в поиске Яндекса. Это показывает, что спрос на путешествия вполне себе сохраняется. Конечно, люди стали экономить на отдыхе, но пока не отказываются от него полностью, а просчитывают разные варианты и выбирают наиболее выгодный. Чем больше возможностей для выбора — тем проще это сделать. Сегодня мы запустили новый сервис для поиска и выбора туров — Яндекс.Путешествия. С его помощью вы можете подобрать тур по множеству разных параметров и сравнить цену тура со стоимостью самостоятельной поездки.





Мы старались сделать Яндекс.Путешествия по-настоящему удобным сервисом, который не уступал бы привычному способу покупки туров — у менеджера в турагентстве. Как и многие другие наши сервисы, это метапоисковик — он агрегирует данные партнёров и представляет их в удобном виде так, чтобы вы могли сравнить все варианты и выбрать подходящий.



Технология персонализации, учитывающая ваши интересы к тем или иным направлениям, и гибкие настройки сервиса помогут выбрать то, что лучше отвечает вашим желаниям. Будь это неделя на пляже в Хургаде или свадебное путешествие на Мальдивы. Выбрав подходящее направление, вы можете отсортировать все предложения по цене тура, рейтингу отеля или его популярности.



Для каждого отеля Путешествия показывают разные варианты размещения, фотографии и положение на карте — чтобы вы могли оценить, например, расстояние до пляжа. Кроме того, на карте можно посмотреть отели по соседству и выбрать тот, который понравится больше. Также вы можете почитать отзывы других путешественников об отеле, собранные с сайтов партнёров. Отзывы мы показываем с помощью собственной технологии извлечения фактов. Благодаря этому сверху оказываются самые информативные фрагменты наиболее свежих отзывов.





Пользуйтесь Яндекс.Путешествиями и оставляйте ваши комментарии. Сервис только появился, и то, как он будет развиваться, во многом зависит от потребностей путешественников, то есть от вас и ваших отзывов..


@темы: ya.ru:author:5105614, ya.ru:text, путешествия

11:54 

Маркет без границ

На Яндекс.Маркете появилась возможность искать товары только в зарубежных магазинах. Для этого в трёх категориях наиболее востребованных заграничных товаров — «Гардероб», «Детские товары» и «Косметика и духи» — теперь есть специальный фильтр. В результатах поиска вы можете не спеша изучить предложения от разных магазинов и выбрать, например, итальянское платье или израильскую косметику.





Уточнить пожелания к покупке помогут дополнительные фильтры. Например, можно выбрать любимую марку и указать сумму, которую вы готовы потратить на новое платье. Цены на все товары указаны в рублях, а их описания доступны на русском языке. Расплатиться можно картой любого российского банка, некоторые магазины также принимают оплату через Яндекс.Деньги.



Как показало наше исследование с компанией GfK, иностранные интернет-магазины становятся в России всё популярнее. Если 2013 году товары за рубежом заказывало чуть больше трети онлайн-покупателей, то в 2014 доля таких пользователей достигла уже половины. Это неудивительно: очень часто — особенно это касается одежды и косметики — выбор за границей больше, качество товаров выше, а цена даже с учётом доставки получается ниже.



Сейчас на Маркете можно выбирать товары из Германии, Китая, Италии, Израиля, Чехии, Швейцарии, Эстонии и Финляндии. Среди партнёров сервиса Yoox.com, Witt-international.com, DHgate.com, Kidsroom.de и другие магазины, ассортимент которых насчитывает сотни тысяч моделей. Это и массовые товары, многие из которых не купить в России, и брендовая одежда, которая за границей часто бывает дешевле.



Конечно, при заказе товаров из-за рубежа стоит учитывать некоторые тонкости. Например, из-за колебаний курса стоимость заказа при оплате может измениться — как в большую, так и в меньшую сторону. Кроме того, доставка товаров из других стран, как правило, занимает чуть больше времени, чем доставка по России. Все подробности можно узнать здесь, а также уточнить у службы поддержки — она есть у всех магазинов, подключённых к Маркету..


@темы: ya.ru:author:5105614, ya.ru:text, Маркет

09:01 

Что спрашивают у Яндекса о разных странах

С какой страной у вас ассоциируются слова магазин, товар и доставка? Согласно нашему новому исследованию, эти три слова чаще всего встречаются в поисковых запросах с упоминанием Китая. Мы проанализировали запросы к Яндексу, в которых присутствуют названия стран, территорий и их жителей, и выяснили, какие слова чаще встречаются в запросах про определённые страны. Например, для Индии это фильм, сериал и любовь, для Болгарии — перец, рецепт и салат, а для Литвы — авто, княжество и бульвар. Теперь попробуйте догадаться, к какой стране относятся слова:


  • тур–массаж–бокс;

  • порно–кроссворд–авто;

  • кружево–музыка–паб;

  • государство–площадь–гвардия;

  • язык–песня–мясо;

  • флаг–женщина–конфликт;

  • дерево–кедр–операция.


Проверить себя можно на карте ассоциаций.





Поисковые запросы про страны очень разнообразны. Они показывают, что люди думают и знают о разных странах. Про Австралию и Монголию больше всего ищут факты и теоретические сведения — [единственная полноводная река в австралии], [социальная структура монгольского общества]. О некоторых странах — например, Доминиканской Республике или Шри-Ланке — спрашивают почти исключительно в связи с турами и отелями. Китай, Швейцария, Италия и Финляндия интересуют людей в первую очередь с точки зрения товаров, а Индия и Турция — с точки зрения кино.



О каких-то странах спрашивают много, о каких-то — совсем мало. На основе поисковых запросов к Яндексу мы составили карты мира: общую и для четырёх разных городов. Интерес к странам мира часто зависит от места проживания, поэтому у жителей Москвы, Санкт-Петербурга, Новосибирска и Владивостока они выглядят по-разному.





Видно, что жителей Санкт-Петербурга больше, чем жителей трёх других городов, интересуют страны Северной Европы: Финляндия, Эстония, Латвия, Литва и Норвегия. Новосибирцы чаще, чем в среднем по стране, спрашивают про страны Юго-Восточной Азии, а также про Казахстан и Монголию. Во Владивостоке преобладает интерес к странам Восточной и Юго-Восточной Азии: Филиппинам, Южной Корее, Сингапуру, КНДР, Японии и Камбодже.



Подробности о том, как люди ищут разные страны, и картинки на эту тему — на странице исследования «Разные страны в поиске Яндекса»..


@темы: ya.ru:author:5105614, ya.ru:text, Поиск, исследования

13:11 

Что вы видите на этой картинке?

Распознавание изображений — одна из самых сложных задач для компьютера. Мы уже рассказывали о том, как устроено компьютерное зрение и как оно применяется в наших сервисах — например, при поиске похожих изображений в Яндекс.Картинках. Теперь технология компьютерного зрения работает и в Яндекс.Диске — благодаря ей вы можете найти изображения форматов JPEG, GIF и PNG, содержащие текст поискового запроса. Достаточно ввести в поисковую строку нужное слово, и система найдёт на Диске картинки, на которых оно встретится. В результатах поиска вы увидите изображения с этим словом, документы, в тексте которых оно содержится, а также файлы и папки, в названиях и описаниях которых есть это слово.



Когда на Диске тысячи фотографий, разложенных по разным папкам, поиск по текстам позволит быстро найти среди них нужную. Например, скан договора с названием вроде scan723.JPG или фотографию визитки человека, с которым понадобилось связаться. Искать можно не только документы, но и любые фотографии, которые сделаны для того, чтобы сохранить текст, будь то объявление на двери подъезда или любопытный рекламный плакат в метро.



В основе поиска текстов на изображениях лежит технология оптического распознавания символов. Систем распознавания, опирающихся на эту технологию, много, и все они разные. Какие-то решают определённую задачу, например распознают партитуры, какие-то работают только с чистым текстом. Для Яндекс.Диска мы разработали свою универсальную систему, способную распознавать текст на картинках разных по виду, содержанию и, главное, качеству.



Система состоит из двух частей — классификатора картинок и модуля распознавания. Сначала классификатор, глубокая нейронная сеть, отбирает из всех картинок те, на которых изображён текст. Он учится отличать их от прочих на огромной базе изображений. Использование машинного обучения позволяет добиться высокого качества распознавания — ведь алгоритм опирается не на какие-то вручную заданные правила, а на опыт анализа миллионов разных картинок. Когда изображения с текстом отобраны, алгоритм находит на них линии, предположительно содержащие текст, — различать их помогает ещё одна нейронная сеть. На следующем этапе алгоритм оставляет только те линии текста, в которых он уверен.







Затем модуль распознавания разбивает линии текста на отдельные символы. Для каждого символа алгоритм выбирает несколько наиболее вероятных вариантов распознавания среди известных ему. Например, это могут быть буквы «О», «о» и цифра «0», очень похожие друг на друга. После этого в дело вступает языковая модель — алгоритм принимает решение, какой из символов-кандидатов подходит лучше всего. Языковая модель опирается на словари и учитывает не только сходство символов с теми, что знает система, но и контекст, то есть соседние символы. Если из нескольких вероятных символов складывается известное системе слово, то она может принять решение, что на картинке написано именно оно. Даже если некоторые символы-кандидаты в этом слове менее вероятны, чем другие.







Конечно, точность распознавания текста (а значит, и успех поиска) зависит от типа изображения, его чёткости, фона, на котором находится текст, и многих других факторов. Поэтому для разных видов изображений она разная. Например, для отсканированных документов точность распознавания текстов на русском языке составляет около 80%, для фотографий с надписями — 63,2%, а для скриншотов приближается к 100%. Помимо русского языка, система также распознаёт английский, украинский и турецкий. Точность распознавания текстов всего потока изображений более 70%. Это неплохой результат, но мы будем работать над его улучшением..


@темы: технологии Яндекса, Диск, ya.ru:text, ya.ru:author:5105614

17:05 

Браузер. Бета

Почти четыре месяца назад, в конце ноября 2014 года, мы выпустили альфа-версию нового Яндекс.Браузера. Когда речь идёт о программном обеспечении, слово «альфа» означает предварительную версию. Это не готовый продукт, а скорее опытный образец. Альфа-версию можно сравнить с наброском картины: общий замысел художника понятен, но работы предстоит ещё очень много.



Обычно альфа-версии используются для закрытого тестирования: программу дают попробовать ограниченному числу испытателей-добровольцев, которые потом высказывают своё мнение. Мы, однако, решили открыть альфа-версию нового Яндекс.Браузера для всех желающих. У нас скопилось много идей о том, каким должен быть браузер будущего, и мы рассчитывали поделиться этими идеями с вами — чтобы послушать, что вы скажете в ответ.



Расчёт оказался верным: мы получили рекордное количество отзывов. Их оказалось даже больше, чем осенью 2012 года, когда вышел первый Яндекс.Браузер. Мы хотим сказать спасибо всем, кто оставлял замечания, сообщал о неполадках и вносил предложения — в блоге Яндекса, в клубе браузера, на «Хабрахабре», в социальных сетях или через форму обратной связи. Мы изучили все отзывы до единого и продолжаем работу над браузером — теперь с учётом ваших пожеланий.



С сегодняшнего дня новый Яндекс.Браузер переходит в стадию бета-тестирования. Если задачей альфа-версии было показать вам наше видение браузера будущего, то бета-версия — это следующий шаг. Её задача — сделать будущее настоящим. Это своего рода испытательный полигон, где мы будем улучшать уже сделанное и пробовать новое.



Мы объединили в одной бета-версии две разных сборки браузера: классическую и новую. После установки вы можете выбрать, в каком интерфейсе работать: в новом — с прозрачными панелями и «Изнанкой» — или в классическом интерфейсе Яндекс.Браузера.





В новый интерфейс мы внесли несколько доработок. Во-первых, обновился механизм работы со вкладками. Отыскать вкладки, которые вы открыли, но ещё не успели просмотреть, теперь стало проще — они помечаются кружком.





Во-вторых, в новом интерфейсе появились закладки. Чтобы увидеть панель закладок, нужно кликнуть по заголовку страницы или открыть новую вкладку.





Разработка браузера — это долгий, но увлекательный процесс. Если вы хотите принять в нём участие — загружайте бета-версию для Windows и OS X и не забывайте рассказывать нам о том, что вам нравится, что не очень и что вы хотели бы изменить или добавить..


@темы: ya.ru:text, Браузер, ya.ru:author:5105614

13:34 

Как это работает? Рекомендации в Яндекс.Музыке

Все люди, вне зависимости от того, какую музыку они любят и сколько часов в день проводят в наушниках, иногда сталкиваются с одной и той же проблемой: личная фонотека заслушана до дыр и хочется чего-нибудь новенького. С одной стороны, выбор огромен — музыкальные каталоги в интернете насчитывают десятки миллионов треков и пополняются каждый день. С другой стороны, сориентироваться в этом разнообразии бывает непросто: музыки много, а вы один.



С сентября 2014 года в Яндекс.Музыке работает система музыкальных рекомендаций. Она даёт ответы на вопрос «Что бы ещё послушать?». У системы есть две ключевые особенности. Во-первых, её советы персональны — то есть составляются с учётом интересов каждого конкретного пользователя. А во-вторых, система самообучается: чем больше вы слушаете музыку, тем точнее будут рекомендации.



Как выявляются предпочтения

Прежде чем советовать пользователю ту или иную музыку, необходимо составить представление о его музыкальных вкусах. Самый простой способ сделать это — посмотреть, какие треки на Яндекс.Музыке он уже послушал. Это самая важная информация для рекомендательной системы; по истории прослушиваний можно установить, каких исполнителей и какие жанры человек предпочитает. Однако чтобы составить более полную картину, неплохо ещё понимать, что ему нравится больше, а что — меньше.



Для этого мы используем дополнительные данные. Один из источников таких данных — оценки «Нравится» и «Не нравится», которые ставят пользователи. Оценку «Нравится» в Яндекс.Музыке можно ставить трекам, альбомам, исполнителям и целым музыкальным жанрам. Оценка «Не нравится» есть в жанровом радио и в радио по исполнителю: с её помощью можно отметить треки, которые пришлись не по душе.



Как правило, люди оценивают музыку, которая вызвала у них сильный эмоциональный отклик — неважно, положительный или отрицательный. Поэтому оценки довольно точно отражают пристрастия человека. Но одних оценок недостаточно: во-первых, люди ставят их далеко не всегда, а во-вторых, в шкале не хватает полутонов — есть только или «хорошо» («Нравится»), или «плохо» («Не нравится»).



Поэтому, помимо оценок и прослушиваний, мы обращаем внимание и на другие действия пользователя: пропуски треков (например, в альбоме, подборке или радио) и добавления треков в плейлисты.





Все действия мы разделяем на положительные и отрицательные. Положительные — прослушивание, оценка «Нравится», добавление в плейлист — говорят о том, что музыка нравится пользователю, а отрицательные — пропуск и оценка «Не нравится» — наоборот. Важно понимать, что действия неравнозначны: например, пользователь может пропустить трек, который в целом ему по душе, но сейчас не подходит под настроение. Поэтому каждому действию мы присваиваем вес: у оценки «Нравится» он максимальный, а у пропуска — минимальный.



Как строится прогноз

Алгоритм анализирует профиль пользователя (то есть данные о его музыкальных предпочтениях) и предсказывает, какие треки и исполнители могут ему понравиться. Кроме того, алгоритм умеет дообучаться в режиме реального времени. Каждый раз, когда вы совершаете новое действие — слушаете трек или добавляете его в плейлист, — профиль обновляется, и прогноз строится заново. Это позволяет быстро подстраиваться под вкусы и предлагать музыку, которая отвечает сегодняшнему настроению.



Делая прогноз, алгоритм также учитывает информацию о том, как связаны друг с другом объекты из каталога Яндекс.Музыки: треки, альбомы, исполнители, жанры. Благодаря этим данным можно советовать человеку новых исполнителей в его любимом жанре. Кроме того, система сравнивает профили всех пользователей Яндекс.Музыки. Это делается для того, чтобы выявить людей со схожими музыкальными предпочтениями: то, что нравится одному, может понравиться и другому.





Как составляются рекомендации

Обработав данные, алгоритм выдаёт список треков и исполнителей, которые могут понравиться пользователю. Считать его окончательной рекомендацией, однако, нельзя. Во-первых, список слишком длинный — чтобы прослушать все треки, которые система выбрала за раз, не хватит и суток. Во-вторых, мы считаем, что рекомендации должны быть разнообразными: они должны включать в себя не только советы вида «раз вам понравилось X, послушайте Y», но и что-то ещё, что помогло бы сориентироваться в мире музыки — скажем, сообщения о новых релизах любимых исполнителей или чарты треков в жанрах, которые вам нравятся.



Поэтому прогноз, построенный алгоритмом на основе профиля пользователя, мы «разбавляем» информацией из других источников. Это могут быть сведения о том, что слушают друзья из социальных сетей, актуальные подборки — саундтрек к только что вышедшему фильму или сборник композиций, прозвучавших на недавнем музыкальном фестивале, — или списки треков, которые рекомендуют любимые исполнители.





Окончательный список рекомендаций составляется с помощью Матрикснета — разработанного в Яндексе метода машинного обучения. Матрикснет обрабатывает список всех возможных рекомендаций — как полученных прогнозированием, так и составленных по другим источникам — и определяет, какие именно следует показать пользователю на главной странице Яндекс.Музыки и в каком порядке их расположить. Формула, по которой составляется лента рекомендаций, учитывает множество факторов — от сведений о том, сколько раз человек прослушал тот или иной трек, до времени суток: бывает так, что утром нравится одна музыка, а вечером — другая.



***

Задача рекомендаций в Яндекс.Музыке — помогать людям открывать для себя новую музыку. Новую не значит современную — система может посоветовать вам и треки, выпущенные в этом году, и музыку, написанную в XVIII веке. Главное — это будет музыка, которую вы ещё не слышали, но которая вам, скорее всего, понравится..


@темы: как это работает?, Музыка, ya.ru:text, ya.ru:author:5105614

13:34 

Как это работает? Рекомендации в Яндекс.Музыке

Все люди, вне зависимости от того, какую музыку они любят и сколько часов в день проводят в наушниках, иногда сталкиваются с одной и той же проблемой: личная фонотека заслушана до дыр и хочется чего-нибудь новенького. С одной стороны, выбор огромен — музыкальные каталоги в интернете насчитывают десятки миллионов треков и пополняются каждый день. С другой стороны, сориентироваться в этом разнообразии бывает непросто: музыки много, а вы один.



С сентября 2014 года в Яндекс.Музыке работает система музыкальных рекомендаций. Она даёт ответы на вопрос «Что бы ещё послушать?». У системы есть две ключевые особенности. Во-первых, её советы персональны — то есть составляются с учётом интересов каждого конкретного пользователя. А во-вторых, система самообучается: чем больше вы слушаете музыку, тем точнее будут рекомендации.



Как выявляются предпочтения

Прежде чем советовать пользователю ту или иную музыку, необходимо составить представление о его музыкальных вкусах. Самый простой способ сделать это — посмотреть, какие треки на Яндекс.Музыке он уже послушал. Это самая важная информация для рекомендательной системы; по истории прослушиваний можно установить, каких исполнителей и какие жанры человек предпочитает. Однако чтобы составить более полную картину, неплохо ещё понимать, что ему нравится больше, а что — меньше.



Для этого мы используем дополнительные данные. Один из источников таких данных — оценки «Нравится» и «Не нравится», которые ставят пользователи. Оценку «Нравится» в Яндекс.Музыке можно ставить трекам, альбомам, исполнителям и целым музыкальным жанрам. Оценка «Не нравится» есть в жанровом радио и в радио по исполнителю: с её помощью можно отметить треки, которые пришлись не по душе.



Как правило, люди оценивают музыку, которая вызвала у них сильный эмоциональный отклик — неважно, положительный или отрицательный. Поэтому оценки довольно точно отражают пристрастия человека. Но одних оценок недостаточно: во-первых, люди ставят их далеко не всегда, а во-вторых, в шкале не хватает полутонов — есть только или «хорошо» («Нравится»), или «плохо» («Не нравится»).



Поэтому, помимо оценок и прослушиваний, мы обращаем внимание и на другие действия пользователя: пропуски треков (например, в альбоме, подборке или радио) и добавления треков в плейлисты.





Все действия мы разделяем на положительные и отрицательные. Положительные — прослушивание, оценка «Нравится», добавление в плейлист — говорят о том, что музыка нравится пользователю, а отрицательные — пропуск и оценка «Не нравится» — наоборот. Важно понимать, что действия неравнозначны: например, пользователь может пропустить трек, который в целом ему по душе, но сейчас не подходит под настроение. Поэтому каждому действию мы присваиваем вес: у оценки «Нравится» он максимальный, а у пропуска — минимальный.



Как строится прогноз

Алгоритм анализирует профиль пользователя (то есть данные о его музыкальных предпочтениях) и предсказывает, какие треки и исполнители могут ему понравиться. Кроме того, алгоритм умеет дообучаться в режиме реального времени. Каждый раз, когда вы совершаете новое действие — слушаете трек или добавляете его в плейлист, — профиль обновляется, и прогноз строится заново. Это позволяет быстро подстраиваться под вкусы и предлагать музыку, которая отвечает сегодняшнему настроению.



Делая прогноз, алгоритм также учитывает информацию о том, как связаны друг с другом объекты из каталога Яндекс.Музыки: треки, альбомы, исполнители, жанры. Благодаря этим данным можно советовать человеку новых исполнителей в его любимом жанре. Кроме того, система сравнивает профили всех пользователей Яндекс.Музыки. Это делается для того, чтобы выявить людей со схожими музыкальными предпочтениями: то, что нравится одному, может понравиться и другому.





Как составляются рекомендации

Обработав данные, алгоритм выдаёт список треков и исполнителей, которые могут понравиться пользователю. Считать его окончательной рекомендацией, однако, нельзя. Во-первых, список слишком длинный — чтобы прослушать все треки, которые система выбрала за раз, не хватит и суток. Во-вторых, мы считаем, что рекомендации должны быть разнообразными: они должны включать в себя не только советы вида «раз вам понравилось X, послушайте Y», но и что-то ещё, что помогло бы сориентироваться в мире музыки — скажем, сообщения о новых релизах любимых исполнителей или чарты треков в жанрах, которые вам нравятся.



Поэтому прогноз, построенный алгоритмом на основе профиля пользователя, мы «разбавляем» информацией из других источников. Это могут быть сведения о том, что слушают друзья из социальных сетей, актуальные подборки — саундтрек к только что вышедшему фильму или сборник композиций, прозвучавших на недавнем музыкальном фестивале, — или списки треков, которые рекомендуют любимые исполнители.





Окончательный список рекомендаций составляется с помощью Матрикснета — разработанного в Яндексе метода машинного обучения. Матрикснет обрабатывает список всех возможных рекомендаций — как полученных прогнозированием, так и составленных по другим источникам — и определяет, какие именно следует показать пользователю на главной странице Яндекс.Музыки и в каком порядке их расположить. Формула, по которой составляется лента рекомендаций, учитывает множество факторов — от сведений о том, сколько раз человек прослушал тот или иной трек, до времени суток: бывает так, что утром нравится одна музыка, а вечером — другая.



***

Задача рекомендаций в Яндекс.Музыке — помогать людям открывать для себя новую музыку. Новую не значит современную — система может посоветовать вам и треки, выпущенные в этом году, и музыку, написанную в XVIII веке. Главное — это будет музыка, которую вы ещё не слышали, но которая вам, скорее всего, понравится..


@темы: как это работает?, Музыка, ya.ru:text, ya.ru:author:5105614

Блог Яндекса

главная