Jedna z wspólnych architektur systemów rekomendacji składa się następujące komponenty:
- generacja kandydatów
- ocena
- ponowne rankingi
Generowanie kandydatów
Na tym pierwszym etapie system rozpoczyna się od potencjalnie ogromnego korpusu, generuje znacznie mniejszy podzbiór kandydatów. Na przykład kandydat pozwala na redukcję miliardów filmów w YouTube do setek, a nawet tysięcy. Model musi szybko ocenić zapytania ze względu na ogromną liczbę korpus. Każdy model może zapewniać wiele generatorów kandydatów, z których każdy wyznacza do innej podgrupy kandydatów.
Wyniki
Następnie inny model przyznaje punkty i ocenia kandydatów w celu wyboru zestaw elementów (w kolejności 10 elementów) do wyświetlenia użytkownikowi. Ponieważ ocenia względnie niewielki podzbiór elementów, system może wykorzystać bardziej precyzyjny model bazujący na dodatkowych zapytaniach.
Ponowne pozycjonowanie
System musi też uwzględnić dodatkowe ograniczenia ostatecznego rankingu. Na przykład system usuwa elementy, które użytkownik wyraźnie nie spodobały się widzom lub poprawiają wynik nowych treści. Ponowne pozycjonowanie mogą też pomóc w zapewnieniu różnorodności, aktualności i sprawiedliwego traktowania treści.
Omówimy każdy z nich podczas zajęć i podać przykłady z różnych systemów rekomendacji, takich jak YouTube.