Bir yerleştirme modeliniz olduğunu varsayalım. Kullanıcı göz önünde bulundurulduğunda hangi öğeleri önereceğinize nasıl karar verirsiniz?
Yayınlama sırasında, bir sorgu söz konusu olduğunda aşağıdakilerden biriyle başlarsınız:
- Matrisi çarpanlara ayırma modeli için sorgu (veya kullanıcı) yerleştirme işlevi statik olarak bilinir ve sistem bunu kullanıcı yerleştirme matrisinden arayabilir.
- DNN modelinde sistem, sunma sırasında sorgu yerleştirmeyi \(\psi(x)\) ağı özellik vektöründe çalıştırarak \(x\)hesaplar.
Sorgu yerleştirmeyi \(q\)ekledikten sonra, yerleştirme alanında\(V_j\) yakınında \(q\) bulunan öğe yerleştirmelerini arayın. Bu, en yakın komşu problemi. Örneğin, benzerlik puanına göre en popüler öğeleri döndürebilirsiniz \(s(q, V_j)\).
İlgili öğe önerilerinde benzer bir yaklaşım kullanabilirsiniz. Örneğin, kullanıcı bir YouTube videosunu izlerken sistem önce bu öğenin yerleşik olup olmadığına, sonra da yerleştirme alanına yakın yerleştirilmiş diğer öğelerin\(V_j\) yerleştirmelerine bakar.
Büyük Ölçekli Alma
Sistem, yerleştirme alanındaki en yakın komşuları hesaplamak için olası her adayı ayrıntılı olarak puanlayabilir. Aşırı puanlama, çok büyük bir şirket için pahalı olabilir ancak bunu daha verimli hale getirmek için aşağıdaki stratejilerden herhangi birini kullanabilirsiniz:
- Sorgu yerleştirme işlevi statik olarak biliniyorsa sistem, çevrimdışı olarak tam puanlama gerçekleştirebilir ve her sorgu için en iyi adayların listesini önceden hesaplayıp depolayabilir. Bu, ilgili öğe önerisi için yaygın olarak kullanılan bir uygulamadır.
- En yakın komşuları kullanın.