باختصار
توليد المرشّحين (Candidate Generation) هو المجموعة الأولية من التوصيات اللي بيختارها نظام التوصية قبل مراحل التصفية الأدقّ.
بالتفصيل
تخيّل مكتبة بتعرض 100,000 عنوان. مستحيل نظام التوصية يحسب درجة دقيقة لكل عنوان لكل مستخدم في كل زيارة — التكلفة الحسابية هتبقى خيالية.
الحلّ هو معمارية على مراحل. مرحلة توليد المرشّحين بتنشئ قائمة أصغر بكتير من الكتب المناسبة لمستخدم معيّن، لنقل 500 كتاب.
لكن حتى 500 كتاب عدد كبير جدًا لعرضه على المستخدم. فبتيجي مراحل لاحقة وأغلى حسابيًا — زي التسجيل (Scoring) وإعادة الترتيب (Re-ranking) — لتقليص الـ500 إلى مجموعة أصغر وأكثر فائدة.
المبدأ التصميمي هنا عامّ ومفيد خارج أنظمة التوصية كمان: استخدم طريقة رخيصة وسريعة لاستبعاد الأغلبية الساحقة، ثم استخدم الطريقة الغالية والدقيقة على ما تبقّى فقط.
ونفس النمط ده موجود في البحث الدلالي: استرجاع سريع بمتّجهات، ثم إعادة ترتيب بنموذج أدقّ.
مثال عملي
متجر إلكتروني فيه 80 ألف منتج. مرحلة توليد المرشّحين بتختار 300 منتج بناءً على إشارات رخيصة: فئات تصفّحها المستخدم، ومنتجات اشتراها مستخدمون مشابهون، والأكثر مبيعًا في بلده.
بعدين نموذج أدقّ بيرتّب الـ300 دول ويختار 12 لعرضها على الصفحة الرئيسية. لو حاولت تشغّل النموذج الدقيق على الـ80 ألف مباشرةً، الصفحة مش هتفتح.
مصطلحات مرتبطة
- Recommendation System — نظام التوصية.
- Collaborative Filtering — الترشيح التعاوني.
- Re-ranking — إعادة الترتيب.
المصادر: Google ML Glossary
