논리적 사고

AI의 상위 3개 추천은 후보 전체의 다양성을 보여 줄까?

관련성 점수만 따를 때와 같은 범주의 반복에 벌점을 줄 때 상위 목록이 어떻게 달라지는지 비교합니다.

그림에서 무엇을 볼까요?

후보 풀에서 관련성만으로 고른 상위 목록과 관련성·범주 반복을 함께 본 재정렬 목록이 갈라지는 그림입니다.

후보 여섯 개가 여러 범주에 걸쳐 있어도 점수 상위 세 개가 비슷한 범주라면 사용자가 보는 목록은 좁아집니다. 전체 후보의 다양성만 세어서는 실제 노출을 설명할 수 없습니다.

목록 크기 k가 작을수록 첫 몇 자리의 선택 규칙이 더 큰 영향을 줍니다.

관련성 점수와 범주는 모두 가상입니다. 매 단계에서 조정점수 = 관련성 점수-반복 벌점×이미 뽑힌 같은 범주 수로 계산하는 LTCT 교육용 재정렬이며 실제 추천 품질 점수가 아닙니다.

추천 목록 다섯 개를 범주로 나누고 후보 전체와 상위 노출 목록의 범주 수를 각각 세어 보세요.