レコメンデーション システムの概要

レコメンデーション システムの一般的なアーキテクチャの 1 つは、 以下のコンポーネントです。

• 候補生成
• 得点
• 再ランキング

候補の生成

この最初のステージでは、システムは潜在的に巨大なコーパスから始まり、 はるかに小さい候補のサブセットを生成できますたとえば、受験者は 生成ツールを使うと、数十億の動画を数百や数千に減らすことができます。 データ量が非常に大きいため、モデルはクエリを迅速に評価する必要があります。 あります。1 つのモデルに複数の候補生成ツールがあり、各候補生成ツールがそれぞれの候補を 選択することもできます

スコア付け

次に、別のモデルが候補をスコアリングしてランク付けし、 ユーザーに表示するアイテムのセット（10 程度）。これが 比較的小さなアイテムのサブセットを評価する場合、 モデルの精度が上がります

再ランキング

最後に、システム要件に関する追加の制約を考慮に入れる必要があります。 決定します。たとえば、ユーザーが削除したアイテムがシステムによって 新しいコンテンツのスコアを上昇させる。再ランキング 多様性、鮮度、公平性を確保するうえでも役立ちます。

各ステージについては、このコースで取り上げ、 YouTube などのさまざまなレコメンデーション システムの例を示す。

その他のリソース: テクノロジー、アーキテクチャ、モデルなど、 Covington 、「Deep Neural Networks for YouTube Recommendations」へようこそ。