Recommendation System

jisu825·2021년 3월 15일
0

Recommendation System

목록 보기
1/5

시리즈 소개

저는 딥러닝의 여러 분야 중에서도 추천시스템(Recommendation System, 이하 RecSys)에 가장 큰 관심이 있습니다. 데이터를 가지고 user의 선호도를 예측하는 것, 더 나아가 user의 다음 action을 implicit하게 유도할 수 있다는 것이 큰 매력으로 다가왔습니다. 특히 저는 우리 스스로도 파악하지 못한 선호도를 이용 할 수 있다는 점이 인상깊었는데요, 이를 Kim Falk는 그의 저서 Practical Recommender Systems에서 다음과 같이 설명합니다.

The aim (of the recommender system) is to impement algorithms that enable computers to suggest our secret desires, even before we know them ourselves

그래서 저는 RecSys를 본격적으로 공부해보기로 마음먹었는데요, 이 분야가 CV나 NLP같은 분야에 비해 상대적으로 유명세를 덜 타서인지.. 공부 할 자료나 표준적인 공부 순서?와 같은 자료들이 잘 없더라구요.

그래서 일단 Python을 이용한 개인화 추천시스템을 읽어보았습니다.

이 책은 RecSys의 뼈대가 되는 2가지 아이디어 - Collborative Filtering과 Matrix Factorization에 대해 간단히 정리해놓은 책으로, RecSys를 처음 접하는 초심자 입장에서는 도움이 되었지만 실전적인 내용보다는 기초 of 기초를 다루고 있다는 생각이 들더라구요.

따라서 조금더 practical한 최신의 기법들을 배워보기 위해 2가지 루트로 공부를 할 예정입니다.

  1. Practical Recommender Systems(Kim Falk) 읽기
  2. 오래된 고전 논문부터 최신 논문까지 paper reading

1번의 책은 RecSys 분야에서 가장 유명한 책 몇권 중 하나인데요(아마 Aggarwal의 책 다음 정도..?), 책 제목이 마음에 들어서 pdf를 구매했습니다.

2번의 경우 논문 선정에 조금 어려움이 예상됩니다만, 이리저리 찾아보기도 하고, 마음에 들었던 논문의 reference 논문을 또 참고하여 읽는 식으로 진행해보려 합니다.

Plan

Practical Recommender Systems

본 책은 크게는 2파트, chapter로는 14장으로 구성되어 있습니다.
지금 계획으로는 오늘(3/15)부터

  • 하루는 1 chapter reading
  • 하루는 해당 내용을 정리

하는 식으로 2일에 1 chapter씩 진도를 나가보려고 합니다.

Paper Reading

사실 지난 방학에 RecSys 분야의 논문 몇개를 읽어보았습니다.
그래서 우선은 그 논문들을 정리해보고, 새로운 논문들의 summary를 업로드하려 합니다.

또한 그 중에서도 재미있게 읽었거나 의미가 있다고 생각되는 논문 몇개는 직접 구현을 해보려고 합니다. 다만 velog는 긴 코드를 정리해서 올리기에는 조금 부적합하니 github에 올려놓고 링크를 달아놓겠습니다.

profile
서울대학교 산업공학과 1년차 딥러닝 개발자 insta: @jisu_fassyzino & @via_ad_astra98

0개의 댓글