Descripción general de los sistemas de recomendaciones

Una arquitectura común para los sistemas de recomendación consta de los siguientes componentes:

  • generación de candidatos
  • puntuación
  • reclasificación

Ilustración de los componentes de un sistema de recomendación y la escala de cada etapa.

Generación de candidatos

En esta primera etapa, el sistema comienza con un corpus potencialmente enorme y genera un subconjunto de candidatos mucho más pequeño. Por ejemplo, el candidato generador de videos reduce miles de millones de videos a cientos o miles. El modelo debe evaluar las consultas con rapidez dado el enorme tamaño del corpus. Un modelo determinado puede proporcionar varios generadores de candidatos, cada uno nominando un subconjunto diferente de candidatos.

Puntuación

A continuación, otro modelo puntúa y clasifica a los candidatos para seleccionar el conjunto de elementos (en el orden de 10) que se mostrará al usuario. Dado que este modelo evalúa un subconjunto relativamente pequeño de elementos, el sistema puede usar un modelo más preciso basado en consultas adicionales.

Reclasificación

Por último, el sistema debe tener en cuenta las restricciones adicionales para la clasificación final. Por ejemplo, el sistema quita los elementos que no le gustaron al usuario de forma explícita o aumenta la puntuación de contenido más reciente. Volver a clasificar también puede ayudar a garantizar la diversidad, actualidad y equidad.

Analizaremos cada una de estas etapas durante el curso y daremos ejemplos de diferentes sistemas de recomendaciones, como YouTube.