Начните с ранжирования блоков по релевантности их доступного содержимого и последовательного заполнения с общим Set уже показанных movie_id. После дедупликации ценность блока нужно пересчитывать.
Рекомендации блоков на главной странице онлайн-кинотеатра
Начните с ранжирования блоков по релевантности их доступного содержимого и последовательного заполнения с общим Set уже показанных movie_id. После дедупликации ценность блока нужно пересчитывать.
Короткий ответ
Что ответить на собеседовании
Подробный разбор
Ответ с пояснениями
Условие
Рекомендации блоков на главной странице онлайн-кинотеатра Напишите план решения продуктовой задачи от обзора требуемых данных до обучения, тестирования и внедрения модели (или, если можно, без мл - то без модели). В онлайн кинотеатре есть главная страница. Она состоит из разных блоков. Есть каталог блоков. В блоках может быть разное количество контента. Есть готовый рекоменднер фильмов т.е. есть упорядоченный по релевантности каталог фильмов. Нужно задизайнить персонализированный рекоменднер блоков и алгоритм его применения, в котором удовлетворить бизнес-правило - показывать один контент на главной один раз.
Ответ
Начните с ранжирования блоков по релевантности их доступного содержимого и последовательного заполнения с общим Set уже показанных movie_id. После дедупликации ценность блока нужно пересчитывать.
Сначала соберите показы блоков/фильмов, позиции, клики, старты и просмотр, права доступности и размеры блоков. Baseline может суммировать лучшие оценки фильмов с нормировкой по вместимости, затем жадно выбирать блок и исключать занятые фильмы. Пустые блоки пропускаются, неполные дополняются допустимыми кандидатами. Обучение ранжирования полезно после качественного логирования и учёта position bias. Проверяйте разнообразие, уникальность и онлайн watch time/запуски с guardrails по latency.