Рекомендации — одна из важнейших частей опыта Netflix. Первоначальный механизм рекомендаций Netflix был построен на тысячах созданных вручную функций, охватывающих пользователей, элементы и взаимодействия. Хотя за эти годы в этот стек было внесено много изменений, он все еще довольно сложен. Внедрение новых случаев использования обходится дорого.
Большие языковые модели (LLM) добились больших успехов в своей способности рекомендовать вещи пользователю. Благодаря более широким знаниям о мире и пониманию языка LLM хорошо справляются с выявлением взаимосвязей между различными вещами. Однако вы не можете просто взять готовую LLM для создания рекомендаций для такой компании, как Netflix. Вот почему инженерная команда Netflix создала Gen Rec.
Основная идея Gen Rec заключается в использовании LLM для лучшего понимания истории просмотров пользователя, чтобы присваивать оценки различным фильмам и телешоу, транслируемым на Netflix. Netflix должен внести ряд корректировок в базовую модель, чтобы она работала с их контентом и поведением участников.
Система рекомендаций должна ответить на основной вопрос: Что должно появиться первым в списке рекомендаций? Порядок рекомендаций обрабатывается компонентом, известным как ранжировщик. Он присваивает оценки различным элементам на основе того, насколько подходящими они кажутся для конкретного пользователя в конкретной ситуации. Чем выше оценка элемента, тем выше он отображается.
Источник: ByteByteGo · Сводку подготовил HeadlinesBriefing