Одна общая архитектура рекомендательных систем состоит из следующих компонентов:
- поколение кандидатов
- подсчет очков
- переоценка
Генерация кандидатов
На этом первом этапе система начинает с потенциально огромного корпуса и генерирует гораздо меньшее подмножество кандидатов. Например, генератор кандидатов на YouTube сокращает миллиарды видео до сотен или тысяч. Модель должна быстро оценивать запросы, учитывая огромный размер корпуса. Данная модель может предоставлять несколько генераторов кандидатов, каждый из которых назначает свое подмножество кандидатов.
Подсчет очков
Затем другая модель оценивает и ранжирует кандидатов, чтобы выбрать набор элементов (порядка 10) для отображения пользователю. Поскольку эта модель оценивает относительно небольшое подмножество элементов, система может использовать более точную модель, основанную на дополнительных запросах.
Переоценка
Наконец, система должна учитывать дополнительные ограничения для окончательного ранжирования. Например, система удаляет элементы, которые явно не понравились пользователю, или повышает оценку свежего контента. Повторное ранжирование также может помочь обеспечить разнообразие, свежесть и справедливость.
Мы обсудим каждый из этих этапов в ходе занятия и приведем примеры из разных рекомендательных систем, таких как YouTube.