Un'architettura comune per i sistemi di suggerimenti è costituita dai seguenti componenti:
- generazione dei candidati
- calcolo punteggio
- nuovo ranking
Generazione candidati
In questa prima fase, il sistema inizia da un corpus potenzialmente enorme e genera un sottoinsieme molto più piccolo di candidati. Ad esempio, il generatore di candidati su YouTube riduce fino a centinaia o migliaia di video. Il modello deve valutare rapidamente le query date le enormi dimensioni del corpus. Un determinato modello può fornire più generatori di candidati, ognuno dei quali nomina un sottoinsieme diverso di candidati.
Punteggio
Poi, un altro modello assegna un punteggio ai candidati e li classifica per selezionare l'insieme di elementi (in ordine di 10) da mostrare all'utente. Poiché questo modello valuta un sottoinsieme relativamente piccolo di elementi, il sistema può utilizzare un modello più preciso basandosi su query aggiuntive.
Nuovo ranking
Infine, il sistema deve tenere in considerazione i vincoli aggiuntivi per il ranking finale. Ad esempio, il sistema rimuove gli elementi che all'utente non sono piaciuti esplicitamente o aumenta il punteggio dei contenuti più recenti, Il ridimensionamento può anche contribuire a garantire diversità, attualità e correttezza.
Parleremo di ciascuna di queste fasi nel corso del corso e forniremo esempi di diversi sistemi di suggerimento, come YouTube.