추천시스템

추천시스템을 처음 접했던 건 고3..빅데이터나 AI가 지금만큼은 아니지만 막 화두되고 있던 시기이쪽으로 입시를 하기로 맘먹고, 관련 도서를 뒤적거리다가원래 광고나 마케팅에도 관심이 있어서 자연스럽게 추천시스템이 끌렸다. 한창 넷플릭스의 추천 알고리즘이 떠올랐을 때라 넷

이번 수업에서는 추천할 때 어떤 아이템들이 서로 유사한지를 계산하는 방법론들을 배웠다. 그 중 지난 시간에 모델을 분류 및 정리했었는데, 그중에서 모델의 학습 유무에 따른 분류를 했을 때, 학습된 인공지능이 추천하는 (model-based Approach)가 아니고,

안녕하세요! 오늘은 추천 시스템의 기초이면서 가장 강력한 방법 중 하나인 유사도 기반 추천(Similarity-based Recommendation)을 구현해 보겠습니다. MovieLens-32M 대용량 데이터셋을 활용하여 태그, 사용자 시청 기록, 별점 패턴에 따라

추천시스템에서 별점을 예측하는 방법은 크게 두 가지로 나뉩니다. 유사도 기반 CF부터 모델 기반 CF(MF)까지!

안녕하세요! 오늘은 추천 시스템에서 '시간'이라는 요소가 별점 예측에 어떤 영향을 미치는지, 그리고 이를 지난 "별점 예측(Rating Prediction) 모델"을 이해한 것에서, 어떻게 반영할 수 있을지 정리해 보려 합니다. 1. 별점에 미치는 ‘시간’의 영향