Salah satu arsitektur umum untuk sistem rekomendasi terdiri dari komponen berikut:
- pembuatan kandidat
- penskoran
- peringkat ulang
Pembuatan Kandidat
Pada tahap pertama ini, sistem dimulai dari korpus yang berpotensi besar dan menghasilkan subset kandidat yang jauh lebih kecil. Misalnya, generator kandidat di YouTube dapat mengurangi miliaran video hingga ratusan atau ribuan. Model perlu mengevaluasi kueri dengan cepat mengingat ukuran korpus yang sangat besar. Model tertentu dapat menyediakan beberapa generator kandidat, masing-masing menominasikan subset kandidat yang berbeda.
Penskoran
Selanjutnya, model lainnya memberikan skor dan memberi peringkat pada kandidat untuk memilih kumpulan item (dengan urutan 10) yang akan ditampilkan kepada pengguna. Karena model ini mengevaluasi subset item yang relatif kecil, sistem dapat menggunakan model yang lebih akurat dengan mengandalkan kueri tambahan.
Pengurutan ulang
Terakhir, sistem harus mempertimbangkan batasan tambahan untuk peringkat akhir. Misalnya, sistem menghapus item yang tidak disukai pengguna secara eksplisit atau meningkatkan skor konten yang lebih baru. Pengurutan ulang juga dapat membantu memastikan keberagaman, keaktualan, dan keadilan.
Kita akan membahas setiap tahap di sepanjang kelas dan memberikan contoh dari berbagai sistem rekomendasi, seperti YouTube.