Спроектируйте поиск по каталогу с ML-ранжированием: чем он отличается от ленты рекомендаций?

В поиске есть явный запрос, и это меняет всё: пользователь уже сказал, чего хочет, поэтому цена нерелевантной выдачи выше, а метрика привязана к запросу, а не к сессии. Архитектура — гибридный отбор (точное совпадение слов плюс векторная близость) → ранжирование обученной моделью → бизнес-правила. Ключевые метрики: nDCG@10 на асессорской разметке, доля пустых выдач, доля запросов без единого клика. Отдельная работа, которой нет в рекомендациях: опечатки, синонимы, разбор запроса на атрибуты.