Online RecSys with Offline RL

Есть файл, который содержит:

1. Эмбеддинги пользователей
2. Эмбеддинги объектов
3. Набор сессий взаимодействия пользователей с объектами. Каждая сессия состоит из пары (пользователь, последовательность взаимодействий), последовательность взаимодействий состоит из пар (индекс объекта, реакция пользователя)

Ваша задача - реализовать рекомендательную систему используя имеющиеся данные. Система должна уметь адаптироваться к реакциям пользователя в рамках одной сессии.

Алгоритм имеет информацию о пользователе (эмбеддинг пользователя), и должен рекомендовать ему новые объекты, которые могут понравиться пользователю. Задача алгоритма - выбирать наиболее релевантные для пользователя объекты, которые не были продемонстрированы в текущей сессии.

Также в систему могут добавляться новые объекты и новые пользователи. Эмбеддинги новых пользователей и объектов известны. Нужно уметь рекомендовать объекты новым пользователям, а также рекомендовать новые объекты.