Рандомный факт: рекомендательные системы часто проектируются по модели Two Tower. Одна нейросеть (query tower) работает с поисковым запросом и профилем пользователя, а вторая (item tower) с элементами ленты.

Специалисты меня проклянут, но попробую на пальцах объяснить принцип работы. Обе нейросети обучаются на истории поиска и взаимодействия юзеров с элементами, а также на информации из профиля.

Заберут ли конкретный элемент конкретного хоббита в выдачу в Изенгард — зависит от вероятности, с которой пользователь на него щёлкнет. Вероятность вычисляется по расстоянию между запросом и элементом в векторной базе данных (рассчитывается через скалярное произведение, евклидово расстояние etc.).