단일 추천 요청에서 반환된 미디어 추천 결과가 비슷해 보이지 않고 더 다양하게 하려면, 다각화를 사용 설정하면 됩니다. 이 기능은 일반 추천이나 검색이 아닌 미디어 추천에만 사용할 수 있습니다.
일반적으로 다각화를 통해 추천 패널에 유사한 콘텐츠가 표시될 가능성이 줄어들지만 일부 좋은 추천도 삭제될 위험이 있습니다.
다각화는 서빙 구성 수준에서 설정됩니다. 미디어 추천 앱별로 여러 서빙 구성을 보유할 수 있으며, 각 구성에는 서로 다른 다각화 설정이 적용될 수 있습니다. 서빙 구성에 대한 자세한 내용은 서빙 구성 만들기 및 관리를 참조하세요.
두 가지 유형의 다각화를 사용할 수 있는데, 규칙 기반 다양성과 데이터 기반 다양성입니다.
규칙 기반 다양성
규칙 기반 다양성은 콘텐츠와 함께 업로드된 카테고리를 기반으로 합니다. 규칙 기반 다양성을 사용하여 다양한 카테고리의 콘텐츠를 추천합니다. 다각화는 레벨별로 구성되어 있으며 다각화 레벨이 높을수록 카테고리당 표시되는 항목 수가 줄어듭니다. 이 다각화 유형은 콘텐츠에 고품질 카테고리가 있는 경우에 가장 효과적입니다.
다각화 수준
카테고리당 최대 항목 수
없음
무제한
낮음
3
보통
2
높음
1
자동
콘텐츠에 따라 다름
일반적으로 규칙 기반 다양성을 설정하고 필터 추천을 사용하는 것은 권장하지 않습니다. 자세한 내용은 필터 및 다각화 설정을 참조하세요.
데이터 기반 다양성
데이터 기반 다양성을 사용하여 관련성과 다양성 간에 균형을 맞추는 추천 결과를 생성합니다. 데이터 기반 다양성은 제목이나 카테고리와 같은 콘텐츠 메타데이터를 학습합니다. 데이터 기반 다양성은 제목이나 카테고리의 단어를 사용하는 대신 시맨틱 유사성을 사용하여 성능이 우수한 다각화를 생성합니다.
[[["이해하기 쉬움","easyToUnderstand","thumb-up"],["문제가 해결됨","solvedMyProblem","thumb-up"],["기타","otherUp","thumb-up"]],[["이해하기 어려움","hardToUnderstand","thumb-down"],["잘못된 정보 또는 샘플 코드","incorrectInformationOrSampleCode","thumb-down"],["필요한 정보/샘플이 없음","missingTheInformationSamplesINeed","thumb-down"],["번역 문제","translationIssue","thumb-down"],["기타","otherDown","thumb-down"]],["최종 업데이트: 2024-12-21(UTC)"],[[["\u003cp\u003eDiversification for media recommendations ensures results are varied rather than similar, which is only applicable to media recommendations, and not generic recommendations or search results.\u003c/p\u003e\n"],["\u003cp\u003eDiversification, set at the serving config level, reduces the chances of similar content appearing in a recommendation panel, possibly at the cost of removing some good recommendations.\u003c/p\u003e\n"],["\u003cp\u003eRule-based diversity, which relies on content categories, offers levels from 'None' to 'High' and 'Auto', determining the maximum number of items per category in recommendations.\u003c/p\u003e\n"],["\u003cp\u003eData-driven diversity, which learns from content metadata, uses semantic similarity to balance relevance and diversity in recommendations, with levels from 'None' to 'High' and 'Auto' that determine the maximum similar items.\u003c/p\u003e\n"],["\u003cp\u003eYou can enable and modify the diversification settings by navigating to the "Serving" section under the "Configurations" tab of your app within the Google Cloud Console's Agent Builder.\u003c/p\u003e\n"]]],[],null,["# Diversify media recommendations\n\nIf you want to ensure that media recommendations results returned from a single\nrecommendation request are more diversified rather than looking similar, you can\nturn on diversification. This feature is available only for media\nrecommendations, not custom search and recommendations.\n\nGenerally, diversification reduces the likelihood that similar content is\nshown in a recommendation panel, at the risk of removing some good\nrecommendations.\n\nDiversification is set on the serving config level. You can have multiple\nserving configs per media recommendations app, each with a different\ndiversification setting. For more about serving configs, see\n[Create and manage media serving configs](/generative-ai-app-builder/docs/serving-configs).\n\nTwo types of diversification are available: rule-based diversity and data-driven\ndiversity.\n\nRule-based diversity\n--------------------\n\nRule-based diversity relies on the categories that are uploaded with your\ncontent. Use rule-based diversity to recommend content from a variety of\ncategories. Diversification is configured by level, with higher levels of\ndiversification causing fewer items to be displayed per category. This\ndiversification type works best if your content has high-quality categories.\n\nIn general, setting rule-based diversity and using filter recommendations is not\nadvised. For more information, see [Filters and diversification\nsettings](/generative-ai-app-builder/docs/filter-recommendations#filter-diversification-media).\n\nData-driven diversity\n---------------------\n\nUse data-driven diversity to produce recommendation results that balance\nrelevance and diversity. Data-driven diversity learns from content metadata such\nas titles or categories. Instead of relying on words from a title or category,\ndata-driven diversity uses semantic similarity to produce better-performing\ndiversification.\n\nDiversify recommendations\n-------------------------\n\nTo diversify your media recommendations:\n\n1. In the Google Cloud console, go to the **AI Applications** page.\n\n [AI Applications](https://console.cloud.google.com/gen-app-builder/start)\n2. Click the name of the app that you want to configure recommendations for.\n\n3. Go to the **Configurations** \\\u003e **Serving** tab.\n\n4. If you have more than one serving config, select the serving config that you\n plan to set diversification for.\n\n5. In the **Result diversification** section, choose how to diversify your\n recommendations in the **Diversification type** field.\n\n6. Turn on the **Enable diversification level** toggle to see the\n available diversification levels.\n\n7. Select a diversification level for your recommendations.\n\n8. Click **Save and publish**."]]
