सिफारिशें Netflix अनुभव के सबसे महत्वपूर्ण भागों में से एक हैं। मूल Netflix अनुशंसा इंजन उपयोगकर्ताओं, आइटम और इंटरैक्शन में हजारों हस्तनिर्मित सुविधाओं पर बनाया गया था। हालाँकि पिछले कुछ वर्षों में इस स्टैक में बहुत सारे बदलाव हुए हैं, फिर भी यह काफी जटिल है। नए उपयोग के मामलों को शामिल करना महंगा है।
बड़े भाषा मॉडल (LLM) ने उपयोगकर्ता को चीजों की सिफारिश करने की अपनी क्षमता में काफी प्रगति की है। व्यापक विश्व ज्ञान और भाषा की समझ के कारण, LLM विभिन्न चीजों के बीच संबंधों का पता लगाने का अच्छा काम करते हैं। हालाँकि, आप Netflix जैसी कंपनी के लिए सिफारिशें उत्पन्न करने के लिए केवल एक तैयार LLM नहीं चुन सकते। यही कारण है कि Netflix इंजीनियरिंग टीम ने Gen Rec बनाया।
Gen Rec के पीछे मूल विचार Netflix पर स्ट्रीम होने वाली विभिन्न फिल्मों और टीवी शो को स्कोर असाइन करने के लिए उपयोगकर्ता के देखने के इतिहास को बेहतर ढंग से समझने के लिए LLM का उपयोग करना है। Netflix को अपनी सामग्री और सदस्य व्यवहार के साथ काम करने के लिए बेस मॉडल में कई समायोजन करने होंगे।
एक अनुशंसा प्रणाली को एक बुनियादी प्रश्न का उत्तर देना होता है: अनुशंसाओं की सूची में सबसे पहले क्या दिखाई देना चाहिए? अनुशंसाओं के क्रम को एक घटक द्वारा संभाला जाता है जिसे रैंकर के रूप में जाना जाता है। यह किसी विशेष स्थिति में किसी विशेष उपयोगकर्ता के लिए उपयुक्त दिखने के आधार पर विभिन्न वस्तुओं को स्कोर प्रदान करता है। किसी आइटम का स्कोर जितना बेहतर होगा, वह उतना ही ऊपर दिखाई देगा।
स्रोत: ByteByteGo · HeadlinesBriefing द्वारा सारांशित