Satu arsitektur umum untuk sistem rekomendasi terdiri dari komponen berikut:
- pembuatan kandidat
- penskoran
- pemeringkatan ulang
Pembuatan kandidat
Pada tahap pertama ini, sistem dimulai dari korpus yang mungkin sangat besar dan menghasilkan subset kandidat yang jauh lebih kecil. Misalnya, kandidat di YouTube mengurangi miliaran video menjadi ratusan atau ribuan video. Model ini perlu mengevaluasi kueri dengan cepat mengingat ukuran di seluruh korpus. Model tertentu dapat menyediakan beberapa generator kandidat, masing-masing subset kandidat yang berbeda.
Pemberian skor
Selanjutnya, model lain memberi skor dan peringkat kandidat untuk memilih kumpulan item (pada urutan 10) untuk ditampilkan kepada pengguna. Karena langkah ini mengevaluasi subset item yang relatif kecil, sistem dapat menggunakan model yang lebih tepat yang mengandalkan kueri tambahan.
Pengurutan ulang
Terakhir, sistem harus memperhitungkan batasan tambahan untuk peringkat akhir. Misalnya, sistem menghapus item yang secara eksplisit tidak menyukai atau meningkatkan skor konten yang lebih baru. Pengurutan ulang juga dapat membantu memastikan keberagaman, keaktualan, dan keadilan.
Kita akan membahas setiap tahapan ini selama kelas berlangsung dan memberikan contoh dari berbagai sistem rekomendasi, seperti YouTube.