Visão geral dos sistemas de recomendação
Mantenha tudo organizado com as coleções
Salve e categorize o conteúdo com base nas suas preferências.
Uma arquitetura comum para sistemas de recomendação é
componentes:
geração de candidatos
em lote
reclassificação
Geração de candidatos
Nessa primeira etapa, o sistema começa com um corpus potencialmente enorme
gera um subconjunto muito menor de candidatos. Por exemplo, o candidato
no YouTube reduz bilhões de vídeos para centenas ou milhares.
O modelo precisa avaliar as consultas rapidamente, dado o tamanho enorme
corpus Um modelo pode fornecer vários geradores candidatos, cada um indicando
um subconjunto diferente de candidatos.
Pontuação
Depois, outro modelo pontua e classifica os candidatos para selecionar
o conjunto de itens (na ordem de 10) a serem exibidos ao usuário. Como este
avalia um subconjunto relativamente pequeno de itens, o sistema pode usar
um modelo mais preciso com base em consultas adicionais.
Reclassificação
Por fim, o sistema deve levar em consideração restrições adicionais para os
classificação final. Por exemplo, o sistema remove itens que o usuário
não gostaram ou aumentam a pontuação de conteúdo mais recente. Reclassificação
também pode ajudar a garantir diversidade, atualidade e imparcialidade.
Discutiremos cada uma dessas etapas ao longo da aula e
dar exemplos de diferentes sistemas de recomendação, como o YouTube.
[[["Fácil de entender","easyToUnderstand","thumb-up"],["Meu problema foi resolvido","solvedMyProblem","thumb-up"],["Outro","otherUp","thumb-up"]],[["Não contém as informações de que eu preciso","missingTheInformationINeed","thumb-down"],["Muito complicado / etapas demais","tooComplicatedTooManySteps","thumb-down"],["Desatualizado","outOfDate","thumb-down"],["Problema na tradução","translationIssue","thumb-down"],["Problema com as amostras / o código","samplesCodeIssue","thumb-down"],["Outro","otherDown","thumb-down"]],["Última atualização 2024-07-26 UTC."],[],[]]
