Из каких этапов состоит современная рекомендательная система
На screening по RecSys тебя просят объяснить, из каких двух основных этапов обычно состоит рекомендательная система. Как ответить коротко, но не поверхностно?
Короткий ответ
Обычно есть candidate generation, где быстро набираем сотни/тысячи кандидатов, и ranking/reranking, где более дорогая модель сортирует top-K под цель продукта.
Полный разбор
Базовый ответ: современная RecSys часто делится на два крупных этапа. Первый - candidate generation. Он должен быстро найти ограниченный набор потенциально релевантных объектов из большого каталога: через популярное, item-item, user-item, two-tower, ANN или бизнесовые правила.
Второй этап - ranking или reranking. Здесь кандидатов уже мало, поэтому можно использовать более богатые признаки: пользователь, товар, контекст, цена, наличие, история, свежесть, промо, diversity. На выходе система выбирает top-K и применяет фильтры/ограничения.
Хорошо добавить, что вокруг этих этапов есть retrieval storage, feature store, online serving, A/B-тесты, мониторинг и fallback. Но для screening важно сначала назвать два главных контура.
Теория
Двухэтапная архитектура нужна из-за масштаба: нельзя дорогой моделью скорить весь каталог на каждый запрос.
Типичные ошибки
- Говорить только "модель рекомендует товары" без разделения retrieval и ranking.
- Не объяснить, зачем нужен candidate generation.
- Забыть про фильтры доступности и бизнес-ограничения после ранжирования.
Как отвечать на собеседовании
- Начни с candidate generation и ranking.
- Приведи пример: миллион товаров -> тысяча кандидатов -> десять рекомендаций.