Netflixの推薦＆検索システム最前線 - QCon San Francisco 2024現地レポート - Uzabase for Engineers

はじめに 現代Webサービスの「推薦システム」基盤 2段階ランキングプロセス ステップ1：候補抽出（First Pass） ステップ2：精密ランキング（Second Pass） モデル評価とA/Bテストサイクル Use Case 1：Netflixのリアルタイム「予測検索」 リアルタイム推薦のインフラストラクチャ Use Case 2：検索と推薦を統合するモデル「UniCoRn」 UniCoRnのポイント 共通モデル化までのプロセス 検索と推薦の比較 統一モデルの実現方法 全体のアーキテクチャ 1. 入力 2. 処理 3. 出力 まとめ はじめに ソーシャル経済メディア「NewsPicks」(Media Experience Unit)でエンジニアをしております小林です！ 2024年11月、世界の最先端エンジニアが集うカンファレンス QCon San Francisco 2024 に参加し

[rawwell]

“しかし、推薦システムを運用するには以下の課題があります。 データプライバシー保護 多様性確保（フィルターバブル回避） コールドスタート問題（データ不足時の推薦精度向上）”

[misshiki]

“Netflixのケーススタディ：2段階ランキングプロセスや、長期嗜好と短期的興味を組み合わせたリアルタイム推薦、そして検索と推薦を統合するユニークなモデル「UniCoRn」。”

[snowknight0713]

“に 現代Webサービスの「推薦システム」基盤”

[Galaxy42]

自分エコーチェンバー化を警戒しつつ誘いには乗ってもみる　今のところ微妙

[indication]

妻がnetflixのランキングに高い信頼を置いてる理由がわかった気がする

[mistake3]

検索にマッチしたものだけ出して欲しい