候補の生成後、生成されたモデルを別のモデルがスコアリングし、 表示するアイテムのセットを選択するよう指示します。レコメンデーション システム 異なるソースを使用する複数の候補生成ツールがあってもかまいません。たとえば、 次のように指定します。
- 行列分解モデルの関連項目。
- パーソナライズを考慮したユーザー機能。
- 「ローカル」「distant」との比較items;地理情報を取得し、 考慮に入れる必要があります
- 人気または急上昇アイテム。
- ソーシャル グラフつまり、ユーザーが高く評価したアイテムや、 できます。
システムはこれらの異なるソースを組み合わせて モデルによってスコア付けされ、モデルによって 表示されます。たとえば、予測された予測値を予測するモデルを ユーザーが YouTube で動画を視聴する確率:
- クエリ機能（ユーザーの再生履歴、言語、国、時間など）
- 動画の特徴（タイトル、タグ、動画の埋め込みなど）
システムはその後、次の基準に従って、候補のプール内の動画をランク付けします。 モデルの予測に応用できます
候補生成ツールにスコアを付けましょう。
候補生成ツールは、類似性の尺度などのスコアを計算するため、 （エンベディング空間で表現されたもの）を ありますただし、次の理由からこの方法は使用しないようにしてください。
- 一部のシステムでは、複数の候補生成ツールに依存しています。これらのスコアは、 異なるジェネレータは比較できない場合があります。
- 候補プールが少ないため、システムには コンテキストをうまくキャプチャする可能性のある、より複雑な特徴と、より複雑なモデルが必要になります。
スコアリングの目的関数の選択
「Introduction to ML Problem」 フレーミング、 ML はいたずら好きの天才のように振る舞う: 目標を学べて嬉しい ただし、何を使用するかは慎重に検討する必要があります。いたずら好き レコメンデーション システムにも当てはまります。スコアリングの選択 関数によってアイテムのランキングに劇的な影響が及ぶことがあり、最終的には 向上させることができます
例:
プラスアイコンをクリックすると、それぞれの使用による影響を確認できます。 説明します。
スコアリングにおける位置バイアス
画面の下部に表示されるアイテムは、 画面上部に配置されますただし 動画をスコア付けする際は システムは通常、動画へのリンクが画面上のどこに表示されるかを 表示されます。可能性のあるすべてのポジションを指定してモデルにクエリを実行すると、 高価です複数の掲載情報を照会できたとしても それでも、複数のランキング スコアで一貫したランキングが得られない可能性があります。
ソリューション
- 掲載順位に依存しないランキングを作成する。
- すべての候補者を、画面上の最上位が上位であるかのようにランク付けします。