Jedna z typowych architektury systemów rekomendacji składa się z tych elementów:
- generowanie kandydatów
- ocena
- zmiana pozycji w rankingu
Generacja kandydatów
Na pierwszym etapie system zaczyna się od potencjalnie dużego korpusu i generuje znacznie mniejszy podzbiór kandydatów. Na przykład generator kandydatów w YouTube zmniejsza miliardy filmów do setek, a nawet tysięcy. Model musi szybko ocenić zapytania pod kątem ogromnego rozmiaru korpusu. Każdy model może zawierać wiele generatorów kandydatów. Nominowane są różne podzbiory kandydatów.
Ocena
Inny model ocenia i ocenia kandydata w celu wybrania zestawu elementów (w kolejności 10) do wyświetlenia użytkownikowi. Ponieważ ten model ocenia stosunkowo mały podzbiór elementów, system może korzystać z bardziej dokładnego modelu opartego na dodatkowych zapytaniach.
Ponowny ranking
Poza tym system musi uwzględnić dodatkowe ograniczenia dotyczące ostatecznej pozycji w rankingu. System np. usuwa treści, które użytkownik wyraźnie nie polubił, lub podnosi wynik nowszych treści. Ponowne określanie pozycji w rankingu może też zapewnić różnorodność, aktualność i uczciwość.
Omówimy każdy z tych etapów w ramach zajęć i przedstawimy przykłady z różnych systemów rekomendacji, takich jak YouTube.