Зачем нужно переранжирование и как устроены MMR и детерминантные точечные процессы?

Ранжировщик оценивает объекты независимо и потому не видит, что десять лучших по баллу похожи друг на друга. Переранжирование собирает список пошагово, учитывая уже выбранное. MMR на каждом шаге берёт объект, максимизирующий λ·релевантность − (1−λ)·максимальная похожесть на уже отобранное — простой жадный компромисс с одним понятным параметром. DPP моделирует вероятность выбора подмножества через определитель матрицы, который тем больше, чем «объёмнее» набор векторов, то есть штрафует похожесть не попарно, а по всему набору сразу. MMR берут за простоту, DPP — когда нужно качественное разнообразие и есть ресурсы.