Generování kandidátů | AI slovník

Odborná definice

Candidate generation je první fáza viacstupňového vyhladávacieho nebo odporúčacieho systému, která z rozsiahleho katalógu rychle vybere menší množinu potenciálne relevantních položek. Používá indexy, pravidla, embeddingové vyhledávání, kolaboratívne signály nebo lahké modely optimalizované na recall a latenci. Výslední kandidáti následně vstupují do presnejšieho rankera. Pokud vhodná položka v této fáze vypadne, pozdější skórování ji už nedokáže obnovit, proto se kvalita posuzuje i recallom na úrovni kandidátnej množiny a podle pokrytí důležitých segmentů.

Srozumitelné vysvětlení

Videoplatforma nemůže při každém otvorení stránky detailne ohodnotit miliardy videí. Nejprve vytvoří několik stoviek kandidátů podle historie uživatele, podobných profilů, aktuálního kontextu a omezení katalógu. Až potom náročnejší model vypočítá přesné pořadí. Generování kandidátů je tedy široké sito, ne konečný výběr. Příliš úzké sito zrýchli systém, ale ztratí dobré možnosti. Příliš široké zvýší náklady rankera a může zhoršit odozvu produktu. Návrh musí proto vyvažovat recall, diverzitu, čerstvost a dostupný výpočetní rozpočet.

Časté otázky

Proč nestačí jeden rankingový model nad celým katalógom?

Komplexný ranker může vyžadovat desiatky nebo stovky příznaků pro každou položku. Při miliónoch objektů by výpočet prekročil rozumnou latenci a cenu. Kandidátna fáza omezí prostor na množinu, kterou lze podrobne vyhodnotit v reálném čase.

Jaká metrika je důležitá pro candidate generation?

Často recall@K, tedy podíl relevantních položek, které se dostali mezi prvních K kandidátů. Sleduje se i pokrytí katalógu, diverzita, latence a segmentové výsledky. Samotná přesnost konečného feedu neodhalí, že kandidátna fáza systematicky vynecháva určité typy obsahu.

Může se kombinovat více kandidátnych zdrojů?

Ano. Systém může sloučit kandidátů z vektorového vyhledávání, popularity, sociálnych vazeb, pravidel i personalizovaného modelu. Potřebuje deduplikaci, kvóty a evidenci původu, aby ranking vedel pracovat s rozdielnymi signály a produkt mohl analyzovat pokrytí.

Jako vzniká problém popularity bias?

Pokud kandidátne generátory čerpají zejména z historických interakcí, často opakovaně ponúkají už populárne položky. Nový nebo úzko zaměřený obsah nedostane šancu nazbierat data. Pomáhá samostatný zdroj pro novinky, explorace, kvóty a metriky dlhodobého pokrytí.

Je vektorová databáze vždy potřebná?

Ne. Při menším katalógu nebo jasných pravidlách může postačit relačný index, fulltext, graf či predpočítané zoznamy. Vektorové vyhledávání je užitečné pro podobnost v embeddingovom prostoru, ale neprináša automaticky obchodné omezení, čerstvost ani férové zastoupení.

Související pojmy

Zdroje a redakční stopa

Covington, Adams a Sargin, Deep Neural Networks for YouTube Recommendations

Definícia je autorská odborná syntéza. Pri právnych a regulačných rozhodnutiach má prednosť aktuálne oficiálne znenie predpisu a posúdenie konkrétneho prípadu.