אחד מהמאפיינים הנפוצים במערכת ההמלצות הוא:
- יצירת מועמדים
- ניקוד
- דירוג מחדש
יצירת מועמדים
בשלב הראשון, המערכת מתחילה מתוך מאגר הנתונים העצום, ויוצרת קבוצת משנה קטנה יותר של מועמדים. לדוגמה, מחולל המועמדים ב-YouTube מצמצם מיליארדי סרטונים למאות או אלפים. המודל צריך להעריך שאילתות במהירות בהתאם לגודל העצום של אוסף ההגשות. מודל מסוים עשוי לספק מספר מחוללי מועמדים, כאשר כל אחד מהם מייצג קבוצת משנה אחרת של מועמדים.
ציון
בשלב הבא, מודל אחר מדרג ומדרג את המועמדים כדי לבחור את קבוצת הפריטים (בסדר של 10) שיוצגו למשתמש. מכיוון שהמודל הזה מעריך קבוצת משנה קטנה יחסית של פריטים, המערכת יכולה להשתמש במודל מדויק יותר, שמבוסס על שאילתות נוספות.
דירוג מחדש
לבסוף, המערכת צריכה להביא בחשבון אילוצים נוספים לקבלת הדירוג הסופי. לדוגמה, המערכת מסירה פריטים שמשתמשים לא אהבו במפורש, או מגדילה את הציון של תוכן חדש יותר. דירוג מחדש יכול גם לעזור להבטיח גיוון, עדכניות והגינות.
אנחנו נדון בכל אחד מהשלבים האלה במהלך הכיתה ונציג דוגמאות ממערכות שונות של המלצות, כגון YouTube.