인공지능/추천 시스템12 [논문리뷰] AutoRec: Autoencoders Meet Collaborative Filtering 목차 I. 논문 정보 II. 리뷰 내용 0. Abstract 1. Introduction 2. The Autorec Model 3. experimental evaluation III. 고찰 ** 리뷰 내용 중 +) 의 경우, 논문에서 발췌한 내용이 아니라 내 의견 또는 다른 참고 자료임 I. 논문 정보 원제: AutoRec: Autoencoders Meet Collaborative Filtering 출간연도: 2015 저널: WWW 2015 Companion, May 18–22, 2015, Florence, Italy DOI: http://dx.doi.org/10.1145/2740908.2742726 선정 이유: Movielens 100K, 1M의 SOTA는 GHRS. GHRS에서 제시하는 성능 테이블을.. 2023. 5. 19. [토이프로젝트] 코사인 유사도 기반의 아이템 추천 API 만들어보기 갑자기 온라인 쇼핑 플랫폼을 보는데, 아이템 유사도 기반의 일련의 추천 API를 구현하는 것은 어렵지 않을 것 같다는 생각이 들었다. 개발은 서툴기에 아주 간단한 거니까 한 번 해보자라는 마음으로 아래와 같은 알고리즘, API를 구성해보았다. 개발 환경 사용한 데이터: mnist fashion data 이미지 데이터 API 구현: flask 알고리즘 1. API의 파라미터로 전체 패션 아이템 중 하나를 선택하여 그 key를 전달한다. 2. 전체 패션 아이템과 선택한 아이템의 코사인 유사도를 계산한다. 3. 코사인 유사도가 높은 순으로 정렬한다. (ranking) 4. 유사도가 높은 것 중 Top N개에 대한 key를 API로 응답한다. 5. key를 받아, 유사한 아이템이 무엇인지 확인해본다. 위와 같은.. 2023. 4. 9. [RecSys] 연관 규칙 (Association Rule) Intro 추천 시스템은 크게 content-based와 collaborative filtering으로 분류된다. CF는 '이웃 기반'과 '모델 기반'으로 나뉘는데, 연관 규칙은 모델 기반의 협업 필터링에 속하는 방식이다. 데이터 간의 관계를 분석하기 위하여 마케팅 등의 분야에서 고전적으로 사용되고 있던 방법이나, 추천 알고리즘의 일환으로도 사용된다. 오늘은 연관 규칙이 무엇인지 알아보고자 한다. 연관 규칙(Association Rule)이란? 연관 규칙이란 데이터에서 흥미로운 관계를 찾는 rule-based machine learning 기법 중 하나이다. 다양한 아이템간의 관계 중 어느 수준 이상의 관련성을 가지는 관계가 연관 규칙이고, 이를 찾아내는 기법을 Association Rule Mining.. 2023. 2. 27. [RecSys] 추천 시스템 개요 추천 시스템이란? 사용자와 상품으로 구성된 시스템으로, user가 관심을 가질만한 정보를 추천해주는 것 검색 서비스와 추천 시스템 인터넷에서 찾을 수 있는 정보가 너무 많아짐. 사용자가 정보를 수집하는 시간을 줄이는 것을 목표로 하여 등장함. 둘은 다음과 같은 차이가 있음 검색 서비스 추천 서비스 Pull Information Push Information 사용자가 요구한 후 작동 사용자가 요구하기 전 작동 사용자가 스스로 원하는 바를 알고 있음 사용자 스스로 원하는 바를 정확히 알지 못함 사용자 정보를 수집하기 위한 방법 직접적인 방법 (Explicit): 설문조사, 평가, 피드백 등 (+ 고유정보) 간접적인 방법 (Implicit): 웹페이지에 머무는 시간, 클릭 패턴, 검색 로그 등 아이템 정보 :.. 2023. 1. 29. [review] "카카오 AI추천 : 카카오의 콘텐츠 기반 필터링 (Content-based Filtering in Kakao)" 리뷰 [review] "카카오 AI추천 : 협업 필터링 모델 선택 시의 기준에 대하여" 리뷰에 이어 콘텐츠 기반 필터링에 대한 포스팅도 리뷰해보자 [review] "카카오 AI추천 : 협업 필터링 모델 선택 시의 기준에 대하여" 리뷰 오늘은 카카오 Tech 포스팅 중 하나인 "카카오 AI추천 : 협업 필터링 모델 선택 시의 기준에 대하여"를 읽고, 리뷰와 정리를 수행함. 추천 시스템 초심자의 입장에서 그 어떤 글보다 이해가 잘 되게 data-scient2st.tistory.com Intro 카카오 서비스의 아이템 소비 패턴을 보면, 기존 소비 아이템과 유사한 아이템을 소비하는 경우가 많음. 특정 작가의 글, 같은 장르의 작품. 이렇게 소비 패턴이 뚜렷한 경우, 콘텐츠 속성 정보를 활용하여 유사 콘텐츠를 추천하.. 2023. 1. 2. [review] "카카오 AI추천 : 협업 필터링 모델 선택 시의 기준에 대하여" 리뷰 오늘은 카카오 Tech 포스팅 중 하나인 "카카오 AI추천 : 협업 필터링 모델 선택 시의 기준에 대하여"를 읽고, 리뷰와 정리를 수행함. 추천 시스템 초심자의 입장에서 그 어떤 글보다 이해가 잘 되게 작성이 되어있어 포스팅함. 개인적으로 정리한 내용으로 실제 글을 읽어보는 것을 추천함!! Introduction 협업 필터링을 활용하여 새로운 추천 모델을 만들 시 가장 처음 고민해야 할 부분은? 어떤 문제를 풀까? -> 어떤 모델이 적합할지 답할 수 있게 됨 상황은 피드백이 충분하거나, 그렇지 않을 수 있고, 추천 대상이 1개이거나 30개 이상일 수 있음. 확률의 정확한 예측이 중요할 수도 랭킹이 중요할 수도 있음. 추천 모델 협업 필터링(Collaborative Filtering, CF) 모델 추천에서.. 2023. 1. 2. 이전 1 2 다음
