Привет!
1) В целом да. Мы считаем разные признаки о возможной дружбе u и v в эго-графе c. Определить, что u и v из разных социальных кругов относительно c может помочь, например, признак — число общих друзей у v и c. Если мы строим предсказания для u, при этом u и c — одноклассники, а v — бабушка c (явно нерелевантный кандидат в ранжирование для u), то у v и c скорее всего будет мало общих друзей, а у u и c — много. Модель сможет выучить, что в таких случаях v — нерелевантный кандидат для u.
2) Всю такую информацию про активность u можно также представить в виде признаков. Поэтому «поддержать» учет разных типов пользователей можно через такие признаки: модель будет понимать что u активный, поэтому у него будет одно поведение, либо наоборот — он редко добавляет друзей, поэтому поведение у него другое.
Мы используем ориентированные графы, и иногда, в том числе благодаря подходу с эго-графами, рекомендуемый пользователь влияет на то, что вы видите. Такое возможно благодаря тому, что мы используем разные типы связей между пользователями.
1) В целом да. Мы считаем разные признаки о возможной дружбе u и v в эго-графе c. Определить, что u и v из разных социальных кругов относительно c может помочь, например, признак — число общих друзей у v и c. Если мы строим предсказания для u, при этом u и c — одноклассники, а v — бабушка c (явно нерелевантный кандидат в ранжирование для u), то у v и c скорее всего будет мало общих друзей, а у u и c — много. Модель сможет выучить, что в таких случаях v — нерелевантный кандидат для u.
2) Всю такую информацию про активность u можно также представить в виде признаков. Поэтому «поддержать» учет разных типов пользователей можно через такие признаки: модель будет понимать что u активный, поэтому у него будет одно поведение, либо наоборот — он редко добавляет друзей, поэтому поведение у него другое.