> ## Content Index
> Fetch the complete content index at: https://blog.themarfa.name/llms.txt
> Use this file to discover other available public pages before exploring further.

# Яндекс рассказал о том, как предсказывает запросы пользователей
- URL: https://blog.themarfa.name/iandieks-rasskazal-o-tom-kak-priedskazyvaiet-zaprosy-polzovatieliei/
- Published: 2020-02-20T13:45:57.000Z
- Updated: 2020-02-20T13:45:57.000Z
- Description: Поиск Яндекса с помощью машинного обучения научился предсказывать будущие запросы пользователей: теперь он предлагает полезные запросы, о которых пользователь, возможно, сам не успел подумать.
- Author: Редакция
- Tags: web, yandex

Поиск Яндекса с помощью машинного обучения научился предсказывать будущие запросы пользователей: теперь он предлагает полезные запросы, о которых пользователь, возможно, сам не успел подумать.

Предиктивные запросы отличаются от других возможностей поисковика тем, что они не предлагают наиболее популярные запросы, как обычные саджесты (рекомендации), а рекомендуют те запросы, по которым человек кликнет с наибольшей вероятностью. Для того чтобы узнать такие запросы, используются данные предыдущей сессии и общей истории поиска всех пользователей.

Например, если пользователь ищет, где купить сноуборд, поиск предложит «Как подобрать сноуборд по росту и весу». У разработчиков к таким рекомендациям есть три основных требования:

1. Рекомендации должны быть полезны, то есть подходить по тематике и при этом действовать на шаг вперед – предлагать то, что человек сам стал бы искать.
2. Масштабируемость. Разработчики стремятся увеличить число тем, по которым поисковик эффективно предсказывает запросы.
3. Простота реализации.

![](https://storage.ghost.io/c/71/cf/71cf070c-b8aa-467e-9efd-cf18f7dcf253/content/images/2020/02/p5o9xthlj892hhg8u8wy5i7fv6c.jpeg)

![](https://storage.ghost.io/c/71/cf/71cf070c-b8aa-467e-9efd-cf18f7dcf253/content/images/2020/02/yi4izgzr-y6iilosuuew1bhfzp4.png)

Примеры предсказаний Яндекса

База потенциально интересных запросов фильтруется с помощью алгоритма машинного обучения k-Nearest Neighbors (или поиска ближайших соседей). Затем система выбирает из сотни возможных вариантов топ-5 запросов, по которым пользователь кликнет с наибольшей вероятностью. Эту вероятность система узнает на основе фидбека пользователей – сейчас поиск уже запущен и собирает обратную связь для улучшения рекомендательной системы.

По словам разработчиков, это новый уровень взаимодействия поисковой системы с пользователями, поскольку так поисковик не просто исправляет опечатки и советует наиболее частые запросы, но и предлагает пользователю что-то новое.