Az előadás középpontjában egy új Python könyvtár, a Pyversity áll, amely a keresési és ajánlórendszerek eredményeinek változatossá tételével foglalkozik. A fő probléma, amelyre ez a megoldás született, hogy sok rendszerben az előre sorolt találatok túlságosan hasonlók egymáshoz, ami csökkenti a felhasználói élményt és a lehetőségek felfedezését.
A Pyversity olyan jól ismert diverzifikációs algoritmusokat alkalmaz, mint az MMR, az MSD és a DPP, mindezt egy könnyen kezelhető API-n keresztül, amely csak a NumPy-ra támaszkodik. A videó bemutatja a szoftver helyi telepítését Ubuntu rendszeren, valamint egy valós példán keresztül azt is, hogy hogyan használható együtt helyileg futó Ollama-alapú modellekkel.
Az integráció során különböző mesterséges intelligencián alapuló modellek (pl. szövegbeágyazási modellek és nagy nyelvi modellek) hangsúlyozódnak ki, amelyek segítségével egy mintatermék katalógust és egy felhasználói kérdést dolgoznak fel. A folyamat magában foglalja az eredmények újrarangsorolását és diverzifikációját, végül pedig egy összegző, ember számára érthető ajánlást generáló lépést is.
A példakódban a különböző márkák és típusok egyaránt szerepelnek, bemutatva, hogy a Pyversity képes szélesebb skálán lefedni releváns, de különböző termékeket vagy információkat, ezáltal csökkentve az ismétlődő találatok számát. A témakör felveti a kérdést, hogy miként teremthető egyensúly relevancia és újdonság között, valamint hogyan javítható a felhasználói élmény AI-alapú keresési folyamatokban.
