RecSys
1.[Dive into Deep Learning] 16.3. Matrix Factorization
D2L링크Matrix Factorization(이하 MF)은 Simon Funk가 제안했습니다. 블로그글MF는 Netflix contest에서 유명해집니다. 우승팀의 솔루션은 여러 모델을 앙상블한 것이었는데, 주요 역할을 한것이 MF였습니다. 우승팀의 솔루션 리포트는
2.계속 헷갈리는 추천시스템의 성능지표🥱
Hit rate at k 전체 사용자 수 중 예측에 성공한 유저의 수 > $\text{Hit}@\ell = \frac{1}{m} \sum{u \in \mathcal{U}} \textbf{1}(rank{u, g_u} $$m$$ : 전체 유저의 수 $$l$$ : cutoff기준 $$u$$ : 특정 유저 $$rank{u, gu}$$ : ground ...
3.[Dive into Deep Learning] 16.6. Neural Collaborative Filtering for Personalized Ranking
작성자 : 강지우출처 : 16.6. Neural Collaborative Filtering for Personalized Ranking오늘은 Neural Collaborative Filtering for Personalized Ranking의 구현 코드를 리뷰하겠습니다
4.16.7. Sequence-Aware Recommender Systems
작성자 : 강지우참고 : 16.7. Sequence-Aware Recommender SystemsSequence-Aware Recommender Systems - Caser 모델의 파이토치 구현코드를 리뷰하겠습니다. 전체 코드는 여기를 참고해주세요😊short-term
5.[D2L] DeepFM(code review)
embedding layer를 이용해 모든 피쳐를 같은 차원을 가지도록 변환이를 sum of square, square of sum, mlp 세 파트로 진행참고로 앞의 두개의 구조에서 여러 피쳐들을 sum하는 것이기때문에 batch size를 고려하지 않는다면 shap