728x90 TIL - 외/추천시스템4 [추천시스템] Model Based Collaborative Filtering - Unsupervised Model Based Collaborative Filtering 사용자-아이템의 숨겨진 특성 값을 계산하여 학습하는 방법으로 추천을 할 때는 학습한 모델만 있으면 된다. 따라서, 확장성과 예측 속도가 빠르다는 장점이 있으나, 모델만을 가지고 추천을 하기에 예측 정확도가 떨어질 수 있다. Model Based Collaborative Filtering 장점 데이터 패턴을 학습하여 추천 가능 (항목 간 유사성 단순 비교 X) 사용자-아이템 관계의 잠재적 특성 및 패턴을 찾을 수 O 사용자, 아이템 개수가 늘어나도 좋은 성능을 보임 학습 이후 서빙 속도가 빠름 model based collaborative filtering은 unsupervised와 supervised로 나뉘는데 이 글에선 unsupervis.. 2023. 4. 11. [추천시스템] Memory Based Collaborative Filtering Collaborative Filtering 사용자와 아이템 간의 상호 상관 관계를 분석하여 새로운 사용자-아이템 관계를 찾아주는 것으로 사용자의 과거 경험과 행동 방식(User Behavior)에 의존하여 추천하는 시스템 책 추천 받을 때 1. 내가 좋아하는 장르, 작가, 출판사의 책 추천 -> Content Based Filtering 2. 나랑 비슷한 성향의 친구들이 읽은 책 책춘 -> Collaborative Filtering Collaborative Filtering의 대표적인 한계점 Cold Start 문자 그대로 새로운 사용자나 새로운 아이템 등장 시, 기존의 관련된 경험 또는 행동 방식이 없기 때문에 추천이 곤란해지는 문제 long Tail 전체 추천 아이템으로 보이는 비율이 '사용자들의 관.. 2023. 4. 11. [추천시스템] Content Based Filtering 카카오 AI추천 : 카카오의 콘텐츠 기반 필터링 (Content-based Filtering in Kakao) – tech.kakao.com 카카오 AI추천 : 카카오의 콘텐츠 기반 필터링 (Content-based Filtering in Kakao) 카카오 서비스 사용자들의 아이템(콘텐츠 또는 상품) 소비 패턴을 살펴보면, 기존에 소비한 아이템과 유사한 아이템을 소비하는 경우를 쉽게 찾아볼 수 있습니다. 예를 들면, 브런치의 특정 작 tech.kakao.com Content Based Filtering 사용자가 특정 아이템을 선호하는 경우 그 아이템과 비슷한 콘텐츠를 가진 다른 아이템을 추천해주는 방식 사례 : 최근 본 상품과 비슷한 상품 추천, 읽은 자품과 비슷한 작품 추천 등등 아이템 특성화 아이템.. 2023. 4. 11. [추천시스템] 추천 시스템 개론 추천 시스템 추천 시스템이란? 정보 필터링(IF) 기술의 일종, 특정 사용자가 관심을 가질 만한 정보를 추천하는 것 사용자의 행동 데이터와 아이템 데이터를 분석하여 현재 사용자에게 가장 적절한 아이템을 추천하는 시스템 활용 사례 영화,드라마,음악 추천 구인 구직 매칭 등등 추천 시스템 목적 사용자가 정보를 수집하고 찾는 시간을 효과적으로 감소시키는 것 기존에 알지 못했지만 사용자가 관심을 가질만한 콘텐츠를 접하게 하여 선택의 폭을 넓혀주는 것 개인화된 추천을 통한 만족도 극대화 Push and Pull(추천과 검색) Push : 사용자가 관심을 가질 만한 정보를 시스템이 밀어내듯이 제공 Pull : 사용자의 의도에 맞는 항목을 찾고 추천하는 문제 대부분의 추천 시스템은 Push와 Pull 의 중간에 위치.. 2023. 4. 11. 이전 1 다음 반응형
