Channel
@recsys_for_all
On this record: Growth · Engagement · What this channel posts · Reactions · Posts · Citations · Cite this entry
1,318subscribers
+0 since we began measuring on 6 August 2026
Risers and fallers across the register · movement among entries of 1,000–3,162.
| Telegram ID | -1002403781330 |
|---|---|
| Type | Channel |
| Username | @recsys_for_all |
| Description | связь со мной - @lashinin |
| Created | Between 1 September 2024 and 16 October 2024— estimated from Telegram’s id allocation, not measured. How this range is calculated. |
| First recorded | 6 August 2026 |
| Last confirmed live | 14 August 2026 |
| Measurements held | 2 |
| On Telegram | t.me/recsys_for_all |
| Measured (UTC) | Subscribers | Change |
|---|---|---|
| 6 Aug 2026, 22:30 | 1,318 | no change |
| 6 Aug 2026, 22:18 | 1,318 | first reading |
18 posts held, back to 16 October 2024 — the reader has not yet reached the start of this channel’s public history, so older posts may sit further back, unread. Read across 1 pageof Telegram’s post history, 20 posts per page.
Nothing published in the last 30 days. ERR and ER are rolling 30-day measures, so there is nothing to compute — we hold 18 posts for this entry, the most recent from 10 July 2026. An engagement rate over an empty window would be a number about nothing.
Lifetime counters from Telegram’s own channel header, read 6 August 2026 — not the date at the top of this page, which is when the subscriber count was last read. Below Telegram’s rounding threshold, so these counts are exact.
812 reactions across 18 posts, in 19 distinct kinds. The most used accounts for 38.3% of them.
| Reaction | Count | Share | Share, drawn |
|---|---|---|---|
| 🔥 | 311 | 38.3% | |
| ❤ | 175 | 21.6% | |
| ❤🔥 | 68 | 8.37% | |
| 👍 | 61 | 7.51% | |
| 🏆 | 59 | 7.27% | |
| ⚡ | 54 | 6.65% | |
| 🎉 | 22 | 2.71% | |
| 🐳 | 17 | 2.09% | |
| 👏 | 9 | 1.11% | |
| 🤩 | 7 | 0.862% | |
| 😎 | 6 | 0.739% | |
| 🤔 | 6 | 0.739% | |
| 😍 | 5 | 0.616% | |
| 🥰 | 4 | 0.493% | |
| 💯 | 3 | 0.369% | |
| 🍾 | 2 | 0.246% | |
| 👌 | 1 | 0.123% | |
| 😢 | 1 | 0.123% | |
| 🤝 | 1 | 0.123% |
No sentiment is inferred, and none should be read in. This table is ordered by count and by nothing else. Emoji do not carry stable meaning across languages or communities — 🙏 is thanks in one channel and mourning in another — so we publish which ones were pressed and how often, and pass no judgement on what an audience meant by them.
Precision. Telegram publishes reaction counts per emoji and short-forms each one — 4.34K, 1.2M — so any single kind at or above 1,000 reaches us at three significant figures, and only counts below 1,000 are exact. The shares above are ratios of those figures and carry the same error. This is also why the total here can differ slightly from a reaction total printed elsewhere on the page: both are sums of the same rounded parts, taken over samples with different edges.
Coverage. Reactions were read on 18 of the 18 sampled posts in this sample. Summed by Telegram’s own count on each post — not by adding up the per-emoji breakdown above — those same posts carry 812reactions in total: the kind of figure the paragraph above means by “a reaction total printed elsewhere on the page”.
Measured over the 18 most recent posts we hold, published 16 October 2024 to 10 July 2026, using the newest reading held for each. Telegram Stars are excluded: they are a payment, not a reaction, and they have their own section.
+1 short paper на RecSys 2026! Давно ничего не писал, но наконец-то появился хороший повод. Нашу с коллегами из Т-Банка статью приняли на ACM RecSys 2026, которая осенью пройдет в США. В этом году приняли только 27 из 152 short papers — около 18%. Поэтому пройти этот отбор особенно приятно! Статья посвящена масштабированию линейных автоэнкодеров на каталоги больших размеров. Надеюсь, она станет достойным продолжени…
🔥37❤🔥9👍7🥰1
Моё решение — 5/216 место на VK RecSys Challenge LSVD Мне было интересно снова поучаствовать в соревновании, чтобы проверить некоторые идеи, поучить Polars и поразвивать интуицию вокруг RecSys. Ниже кратко напишу про результаты. Задача: нужно было предсказать 100 пользователей, которые лайкнут клип VK Видео, причём с самим клипом в истории нет взаимодействий. Бейзлайн: будем «рекомендовать» тех юзеров, которые уже…
❤46🔥31👏9😎6❤🔥2🏆2👍2⚡1
Итоги 2025 года. Ровно год назад я сделал 9 предположений о том, что произойдет в мире рекомендательных систем в 2025 году. Сейчас стало интересно посмотреть, насколько они оказались точными. Некоторые пункты трудно оценить однозначно, поэтому опираюсь на собственное мнение. Посмотрим, что получилось. Не случилось ❌ : 1. Ждём RecSys Arena по аналогии с lmarena.ai! ChatGPT/Perplixity ничего такого не нашли. Понятно,…
❤🔥28🔥13🏆5😢1
🎯 T-Meetup: RecSys — 27 ноября, 19:00, Санкт-Петербург Открыли регистрацию на наш митап по рекомендательным системам от Т-Банка — ссылка на регистрацию Митап пройдёт в новом офисе Т в Санкт-Петербурге, и в конце вас ждёт экскурсия по новому офису Т в СПБ 🏢 На митапе будет три доклада: 1️⃣ Роман Силаков, Т-Банк: Эволюция бэкенда рекомендательной системы: от офлайна до онлайна. Роман — руководитель группы RecSys Pl…
❤20🔥7😍5👍3❤🔥2🥰1
Про "рекомендательные системы" скидок, бонусов, тритментов и пр. Все посты до этого были про персонализацию на больших каталогах (когда айтемов много). Но есть задачи по персонализации некоторых "стратегий" (или тритментов), в которых может быть очень много бизнес-профита (советую посмотреть статьи D. Goldenberg из Booking на RecSys 20/22 и др.). Например, вам могут принести задачу: "построить рекомендательную сис…
🔥23🏆6🤩5❤2
Про мой доклад на Turbo ML Conf 2025 Вчера выступил на конференции Т-Банка. Рассказал о том: - Как мы видим академический research с точки зрения продуктовой команды - Какие инсайты получили из продуктовой разработки (и чего не найдёшь в статьях) - Как преобразовали продуктовую проблему в статью про SMMR Ключевые тезисы: 1️⃣ Next-basket recommendation По нашим экспериментам — не увеличивает GMV. Чем точнее предска…
❤🔥25👍5🔥5
В России нашли способ ускорить и разнообразить сетевые рекомендации — Известия. Давно не писал, но вот наконец-то появился повод: мы вместе с коллегами приехали на ACM SIGIR (A* конф.) в Италию и уже сегодня презентовали нашу статью: SMMR: Sampling-Based MMR Reranking for Faster, More Diverse, and Balanced Recommendations and Retrieval. SMMR расширяет классический метод MMR (1998 г., тот же SIGIR). 📌 Как работают M…
❤28🏆11👍7🔥3
Наша статья принята на SIGIR (конференция уровня A*) 2025 🎉! Мы долго шли к этому моменту - и вот, наконец, наша с коллегами статья принята на SIGIR 2025, международную конференцию в Италии 🇮🇹! Это уже третья итальянская конференция за год, куда нам посчастливилось пройти. SIGIR (Special Interest Group on Information Retrieval) — по данным Вики, проводится с 1978 года. Конференция в целом посвящена информационному…
🔥38⚡10🏆7❤5🐳1💯1
Пишите в комменты, если у вас есть какие-то мысли/возражения на этот счет. Или также если знаете хорошие ресерч статьи на эту тему, которые я пропустил)
⚡4🏆2🤩2
Куда движется рекомендательная система? После некоторого времени работы с рекомендательными системами проблемы и подходы к их решению начинают встречаться повторно. Например, если есть проблема холодного старта, то есть и N докладов на эту тему, и M научных статей об этом. Иногда, однако, хочется подумать о великом, о чем, кажется, нет хороших и известных материалов на сегодняшний день. Об одной из таких дум пишу пе…
🔥20🤔6🏆5👍2❤1🤝1
А теперь — мои прогнозы на 2025 год в мире рекомендательных систем: 1. Ждём RecSys Arena по аналогии с lmarena.ai! Это будет захватывающая перспектива — валидировать модели не только с помощью разметки от людей, но и используя LLM. 2. Уверен, что российские компании поделятся успешным кейсом внедрения LLM в продакшн-рекомендации с реальным профитом для бизнеса. Будет очень интересно! 🤞 3. Наконец-то появятся open-so…
🎉22❤15🍾2🏆1👍1
Подводим предновогодние итоги 2024 года! 🥂 Ровно год назад я выступал на конференции Яндекса с докладом "Тренды, подходы и проблемы в рекомендательных системах 2023 года". Пролетел год, и давайте посмотрим, что изменилось, если пройтись по основным пунктам. Помните про "нечестную" оценку моделей в статьях с подглядыванием в будущее? Так вот, открываем главную конференцию по рекомендациям RecSys 24 и что видим? Всё …
👍15🔥7
Showing the 12 most recent of 18 posts we hold for @recsys_for_all. View and reaction counts are the latest single reading for each post, not a live figure, and a recent post is still accumulating both. A view count marked ≈ was rounded by Telegram before we ever saw it — t.me prints views in full below 1,000 and to three significant figures above, so ≈1,200,000 means somewhere between 1,150,000 and 1,249,999. Unmarked counts are exact. Text is reproduced from the public post preview and truncated for length.
Citation-graph rank — 418,824 of 1,481,243entries in the measured graph. A weighted position computed from the forward and mention edges below — republished posts weigh more than named mentions — and recomputed periodically, over the whole graph. Published only as this ordinal position, never as a score: a position is a fact, and a score printed beside one channel’s name would read as a verdict this register does not make. The two counts beneath stay separate for the same reason mentions are never summed with forwards anywhere else on this page — a named-by count costs nothing to manufacture. The top 100 by this measure, or how it is computed.
Named by 2 registered channels — every channel on the register whose own posts have named this one, by its current username or any other username it currently holds, merged from two separately captured readings of the same fact so a namer caught by only one of them is not missed and a namer both caught is not counted twice. A username this channel has since dropped is not matched — that handle may belong to someone else now, and crediting today’s namer to yesterday’s owner would misattribute it.
Named by
Channels on the register whose posts name this channel's handle.
Names
Channels on the register whose handles appear in this channel's posts.
A mention is a weaker signal than a forward and is counted separately for that reason — naming a channel is not republishing it, and a handle in a post body is easy to place deliberately. The post counts beside each row below are distinct posts in which the handle appeared, from posts we have read on both sides — the “Named by N registered channels” figure above is a different count, of distinct NAMING CHANNELS rather than posts, and is not the sum of the rows under it.
A live page changes as we take new readings, so a citation should name the measurement it is based on, not just the URL. The line below cites the subscriber count as measured 6 August 2026 — this entry's latest reading, not the date you are reading this.
“Персонализация неизбежна” (@recsys_for_all), 1,318 subscribers as measured 6 August 2026. Telegram Register, tgregister.com/channel/recsys_for_all.
Full measurement history, CC BY 4.0. Every reading this register holds for this entry, not just the latest one, as a dated, downloadable record: CSV · JSON. Free to use with attribution to tgregister.com. Each file carries its own generation timestamp, which is the figure to cite for exactly when the data was retrieved.