추천시스템
1.추천시스템 평가지표 Precision / Recall@K, Map, NDCG
rank 기반 추천시스템 평가지표에 대해 설명Precision(정확도): 모델이 추천한 것 중, 실제로 좋아하는 item의 비율. Recall(재현율): 좋아하는 것 중 모델이 추천한 item의 비율.K: 추천아이템 수Precision@k: 모델이 추천한 item k개
2024년 3월 12일
2.MF(Matrix Factorization)와 FM(Factorization Machines)
선형 모델의 확장. 고차원 데이터에서 변수 간 상호 작용을 고려하여 모델링특징 간의 상호 작용을 학습하여 예측 성능 향상희소한 데이터에서도 효과적사용자와 상품 간의 상호 작용 고려에 유용행렬 분해 기반. 사용자와 상품 간의 관계 학습주로 사용자-상품 평점 행렬을 분해하
2024년 3월 29일
3.[추천시스템] Collaborative Filtering: 사용자 행동 기반 추천
Collaborative Filtering은 추천 시스템에서 널리 사용되는 기술 중 하나사용자들의 선호도를 기반으로 유사한 취향을 가진 사용자 또는 아이템을 찾아 추천사용자-아이템 상호작용 데이터를 활용해 사용자의 선호도를 예측사용자-아이템 상호작용 데이터를 직접 사용
2024년 4월 22일
4.[추천시스템] Contents Based Filtering: 아이템 특성 기반 추천
Contents Based Filtering (CBF)은 아이템의 특성을 분석하여 사용자에게 유사한 아이템을 추천하는 기술이다. CBF는 사용자가 과거에 선호했던 아이템의 특성과 유사한 특성을 가진 새로운 아이템을 찾아 추천한다.CBF의 기본 아이디어:아이템의 특성 (
2024년 4월 22일