Uma arquitetura comum para sistemas de recomendação é componentes:
- geração de candidatos
- em lote
- reclassificação
Geração de candidatos
Nessa primeira etapa, o sistema começa com um corpus potencialmente enorme gera um subconjunto muito menor de candidatos. Por exemplo, o candidato no YouTube reduz bilhões de vídeos para centenas ou milhares. O modelo precisa avaliar as consultas rapidamente, dado o tamanho enorme corpus Um modelo pode fornecer vários geradores candidatos, cada um indicando um subconjunto diferente de candidatos.
Pontuação
Depois, outro modelo pontua e classifica os candidatos para selecionar o conjunto de itens (na ordem de 10) a serem exibidos ao usuário. Como este avalia um subconjunto relativamente pequeno de itens, o sistema pode usar um modelo mais preciso com base em consultas adicionais.
Reclassificação
Por fim, o sistema deve levar em consideração restrições adicionais para os classificação final. Por exemplo, o sistema remove itens que o usuário não gostaram ou aumentam a pontuação de conteúdo mais recente. Reclassificação também pode ajudar a garantir diversidade, atualidade e imparcialidade.
Discutiremos cada uma dessas etapas ao longo da aula e dar exemplos de diferentes sistemas de recomendação, como o YouTube.