just-data

들어가기 전 최근 대부분의 추천 시스템은 비슷한 성향을 가진 사용자들 간의 유사도를 이용한 방식을 사용합니다. 이를 협업 필터링(Collaborative Filtering, CF)이라고 하는데요. 이는 크게 메모리 기반 방식(memory-based)와 모델 기반 방식(model-based)으로 나눌 수 있습니다. 이번 포스팅은 모델 기반 CF의 대표적인 예시인 MF(Matrix Factorization)에 대해서 설명하는 논문에 대해서 소개해 드리겠습니다. 참고한 자료는 아래의 링크에서 아래와 같습니다. 논문 링크 https://ieeexplore.ieee.org/abstract/document/5197422?casa_token=we8Q2eHsM1QAAAAA:YX49gyzdg-qpFTT-zbr24qiWL..

들어가기 전 이번에 리뷰할 논문은 추천 시스템을 평가하는 다양한 지표들에 대해서 정리한 논문입니다. 정확도를 제외한 각 지표들은 다양성에 관한 다른 관점들을 가지고 있습니다. 이러한 점에 주목해서 논문을 읽으시면 더욱 도움이 될 것 같습니다. 해당 논문에서 각 지표들간의 관계에 대한 실험 내용이 나와있지만 요약으로 나타내도록 하겠습니다. 참고한 자료는 아래의 링크에서 아래와 같습니다. 논문 링크 https://dl.acm.org/doi/abs/10.1145/2926720?casa_token=SsI8HPAlvEcAAAAA%3A3kFhoO0M1rXbOdLiOscVIUVoz8_UQR5eZt1AG8Hv5e3QHF4KkbWiArz5by7Z4BI2wL_rz5c0saVD4uU Intorduction 기존 추천 시스템..

들어가기 전 본 논문은 e-coomerce 데이터와 같이 대규모 데이터를 이용하여 추천 시스템을 구현할때 유용한 기술을 제안하는 내용입니다. sparse한 전자 상거래 데이터에 적합한 collaborative filtering 접근 방식을 전통적인 데이터 마이닝 추천 시스템과 비교하는 실험 내용을 담고 있습니다. 참고한 자료는 아래와 같습니다. 논문 링크 https://dl.acm.org/doi/pdf/10.1145/352871.352887 Introduction 많은 E-commerce 사이트가 생기면서 많은 제품 중에서 선택하는 것은 소비자에게 어려운 문제이다. 이를 위해 등장한 기술중 하나가 협업 필터링(collaborative filtering, CF) 이다. 하지만 CF는 다음과 같은 문제점을 ..

들어가기 전 본 논문은 추천 시스템(Resys, recommender system)의 방법중 많이 알려진 협업 필터링 방식(collaborative filtering)과 콘텐츠 기반 방식(contents-based)에 대해 자세히 기술되어 있습니다. 추가적으로 demographic filtering과 collaborative via contetns 방식을 설명하며 단일 정보에 기반한 방법보다 다양한 정보를 결합한 방법이 더 높은 정확성을 보여주는 논문입니다. 해당 방법에 대해 설명하며 실험 결과를 같이 설명하고 있어 이번 포스팅은 논문과 비슷한 순서로 진행하겠습니다. 참고한 자료는 아래의 링크에서 아래와 같습니다. 논문 링크 https://link.springer.com/article/10.1023/A:..