추천 시스템을 위한 하나의 일반적인 아키텍처는 다음 구성요소로 이루어집니다.
- 후보 생성
- 점수 매기기
- 순위 다시 지정
후보 생성
이 첫 번째 단계에서 시스템은 잠재적으로 방대한 코퍼스로 시작해서 훨씬 작은 하위 집합을 생성합니다. 예를 들어 YouTube의 후보군 생성기는 수십억 개의 동영상을 수백 또는 수천 개로 줄입니다. 모델은 방대한 코퍼스 크기를 고려하여 쿼리를 빠르게 평가해야 합니다. 특정 모델은 각각 서로 다른 후보 하위 집합을 지정하는 여러 후보 생성기를 제공할 수 있습니다.
점수
다음으로, 다른 모델이 사용자에게 표시할 항목 집합 (10개 정도의 순서)을 선택하기 위해 후보의 점수를 매기고 순위를 매깁니다. 이 모델은 비교적 작은 항목 하위 집합을 평가하므로 시스템에서 추가 쿼리에 의존하는 보다 정확한 모델을 사용할 수 있습니다.
순위 다시 지정
마지막으로 시스템은 최종 순위의 추가 제약 조건을 고려해야 합니다. 예를 들어 시스템에서 사용자가 명시적으로 싫어한 항목을 삭제하거나 최신 콘텐츠 점수를 높입니다. 순위를 다시 지정함으로써 다양성, 최신성, 공정성을 보장할 수도 있습니다.
강의 전반에 걸쳐 이러한 각 단계를 논의하고 YouTube와 같은 다양한 추천 시스템의 예시를 제공합니다.