just-data

이번 시간부터는 현재까지 추천 시스템 분야에서 가장 많이 사용되는 기법인 협업필터링(Collaborative Filtering, CF)에 대해 알아보도록 하겠습니다. Collaborative filtering 협업필터링이라고 불리는 CF는 특정 아이템에 대해 선호도가 비슷한 사용자들은 다른 아이템에 대해서도 비슷한 선호도를 보일 것이라는 가정을 바탕으로 사용자 또는 아이템 간의 유사도를 통해 선호도를 예측하는 방식입니다. CB는 자신의 데이터만을 사용하여 선호도를 예측하지만 CF의 경우 다른 사람의 정보를 통해 선호도를 예측하는 것이 가장 큰 차이라고 할 수 있습니다. 따라서 다른 사람의 선호도를 반영하기 때문에 추천되는 아이템의 다양성을 보장할 수 있다는 장점이 있습니다. 하지만 사용자와 아이템 행렬을..

지난 시간에는 추천 시스템의 정의, 종류 등을 살펴보았습니다. 이번 포스팅은 추천 시스템 종류 중 콘텐츠 기반 추천 시스템(content-based, CB)에 대해서 얘기를 나눠볼려고 합니다. Content-based filtering content-based filtering이라고도 불리는 CB는 사용자의 구매 이력을 통해 이와 비슷한 카테고리의 제품을 추천하는 방법을 의미합니다. CB의 특징은 다음과 같습니다. 독립적 정보 활용 추천 대상 사용자의 과거 구매이력이나 profile 정보만 이용하기 때문에 CF처럼 다른 사용자의 정보가 부족할 경우에도 유용하게 쓰일수 있습니다. 위의 특징은 다시 말해 사용자의 정보가 부족하다면 성능이 낮아지거나 존재하지 않는다면 구현이 불가능하다는 뜻과 같습니다 Firs..

과거에는 대부분 매장에서 직접 물건을 구매하고 판매자와의 직접적인 소통을 통해 원하는 물건을 보고 체험한 뒤 구매를 결정하였습니다. 하지만 최근에는 TV나 컴퓨터, 핸드폰 등 각종 스마트 기기들의 발전에 따라 고객들은 다양한 방법을 통해 언제 어디서나 간편하게 물건을 구매할 수 있게 되었습니다. 그러나 정보 기술의 발전 또한 급격해짐에 따라 많은 양의 정보들이 생성되어 사용자들은 관심 있는 상품에 대한 선택이 어려워지는 상황에 직면하고 있습니다. 이를 위해 개인을 위한 맞춤 추천 시스템 개발의 중요성이 대두되고 있습니다. 추천 시스템은 우리가 사용하는 대부분의 매체에서 사용되고 있는데요. youtube를 예로 들어보겠습니다. 제가 최근 youtube에서 드라마 '미생' 영상과 재즈 영상을 많이 보았더니 ..

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:..