알맹로그

1.2 Goals of Recommender System Recommendation problem이 formulted되는 여러가지 방식 중 가장 유명한 2개는 아래와 같다. 1. Prediction version of problem: 첫번째 접근은 user-item 조합의 평점을 예측하는 것이다. user의 item에 대한 선호도를 나타내는 training data가 있다고 가정한다. m명의 user와 n개의 item에 대해, 불완전한 mxn matrix를 만들 수 있고 여기서 특정 값(지정되거나 관찰된 값)은 training에 사용한다. matrix에서 비어있는 값은 training data로 예측해서 채워 넣는다. 우리는 완전하지 않은, 특정한 값만 채워져 있는 matrix를 가지고 있고 가지고 있는..

1.1 Introduction 추천 시스템의 등장 배경 Web의 중요성이 높아지면서 추천 시스템이 등장하게 됐다. Web을 사용하면서 user들의 피드백을 likes/dislikes로 받을 수 있게 됐다. 예를 들어, 넷플릭스의 user들은 마우스 클릭 한 번을 통해 손쉽게 피드백을 제공할 수 있다. 이 피드백은 ratings를 통해 하는데, user들이 여러가지 item에 대해 직접 별 다섯개 등으로 수치 값을 매기거나 likes/dislikes같이 2가지 중 선택해 클릭하는 방식이 있다. 위의 예시처럼 확실한 피드백 값은 아니지만 Web-centric paradigm에서는 더 쉬운 방법의 피드백을 얻을 수 있다. 예를 들어, 아마존 같은 온라인 쇼핑몰에서 특정한 item을 클릭해보거나 검색해보는 것을..

BOAZ 21-2 방학 스터디로 추천시스템을 공부합니다! 추천시스템 정의 사용자가 사용한 상품을 기반으로 아직 구입하지 않은 상품의 선호도를 추론하여 선호도가 높은 상품을 추천하는 것 Content-based : 상품을 기반으로, 내가 사용한 상품과 비슷한 걸 추천해주는 것 Collaborative : 협업, 나랑 취향이 유사한 다른 user가 좋아했던 걸 기반으로 추천해주는 것 Content-based Filtering 실제로 사용자가 평가했던 상품과 유사한 상품을 추천 UserA가 좋아한 MovieA를 보면 장르가 Love; Romantic인 것을 볼 수 있다. UserA가 좋아한 영화의 장르와 같은 장르인 MovieC를 userA에게 추천해준다. 이처럼 user가 좋아하는 "상품"을 기반으로 추천해..