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..

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 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:..