본문 바로가기
728x90
반응형

Reading13

Recommender systems survey(2) 4. Evaluation of recommender systems results RS 연구가 시작된 이래로 예측과 추천에 대한 평가가 중요 해졌다. RS 분야의 연구는 예측과 추천을 위한 기술, 방법 및 알고리즘의 품질을 알기 위해 품질 측정 및 평가 메트릭을 요구하게 된다. 평가 메트릭과 평가 프레임 워크는 동일한 문제에 대한 여러 솔루션의 비교를 통해 더 나은 결과를 생성하는 다양한 유망한 연구 라인에서의 RS 선택을 용이하게 합니다. 가장 일반적으로 사용되는 품질 측정은 다음과 같습니다 : (1) 예측치 평가, (2) 추천 세트 평가, (3) 순위 목록으로 추천 평가가 있다. 평가 메트릭은 (a) 예측 메트릭으로 분류 될 수 있습니다 : 정확도에 대한 : 평균 절대 오차 (MAE), 평균 제곱 오차.. 2020. 2. 12.
A new approach for combining content-based and collaborative filters 하고자 하는 것 콘텐츠 기반 필터링과 협업 필터링의 각 장점을 활용하여 나은 성능을 달성하는 새로운 필터링 접근법을 소개하고자 한다. 사용자 프로필과 사용자 평점(rating)에서 추출한 통합 정보를 기반으로 사용자 간의 유사도를 계산하는 기법들을 살펴본다. 새로운 접근법과 기존의 방법을 실험적으로 평가하고 비교한다. 내용 아이디어: CBF, CF의 결합을 위해 클러스터링 알고리즘을 이용한 방법을 소개한다. 먼저 의미론적 콘텐츠 정보를 만들기 위해 사용자 프로필을 클러스터로 그룹화한다. 그런 다음 그러한 클러스터들을 아이템으로써 처리하여 추천을 위한 새로운 user-item 행렬을 만든다. 마지막으로 새롭게 만든 행렬을 기반으로 기존의 CF알고리즘을 적용하여 사용자에 대한 예측을 진행한다. 방법: 본 논.. 2020. 2. 3.
Toward the Next Generation of Recommender Systems: A Survey of the State-of-the-Art and Possible Extensions(2005) > 하고자 하는 것: 추천시스템의 기법들에 대한 설명과 앞으로의 연장선 상에 대한 내용들의 서베이 논문이기 때문에 주로 개념 설명과 최신기법 소개, 향후의 방향 등에 대한 정보 전달이 주 목적이다. -> 본문: 이 논문에선 method 별 개념에 대한 설명 이후 이어질 향후 연구 방향 등의 연장선 상에 대한 설명과 결론으로 이어진다. 나는 서베이 논문 2015를 읽는 것으로 대체하고 여기서는 method 부분에 대한 설명을 주로 읽었다. 협력필터링은 사용자 커뮤니티 데이터를 기반으로 하여 특정 사용자와 유사한 사용자의 취향을 특정 사용자에게도 추천해주게 된다. 이 알고리즘은 메모리 기반(휴리스틱 기반)과 모델 기반이라는 두가지 일반 클래스로 그룹화할 수 있다. 메모리 기반 알고리즘은 사용자에 의해 이전에.. 2020. 1. 21.
Using Content-Based Filtering for Recommendation -> 하고자 하는 것: 콘텐츠 기반 필터링의 개념과 문제점에 대한 설명을 한다. 콘텐츠 기반의 필터링 방법을 통한 추천시스템의 구현을 보여준다. -> 문제를 해결하기 위한 방법: CF가 가진 explicit한 사용자의 데이터(좋아요! 구독! 시청시간! 등..)는 항상 사용자가 행동을 어떻게서든 표시를 해줘야하는데 이는 사실상 믿고 더블로 가기 힘들다. 그렇기 때문에 implicit한 데이터라고 할 수 있는 사용자의 행동패턴을 통해서 피드백을 확보한다. 그래서 사용자 모델은 역동적이고 긍정적인 상황속에서 학습이 되야한다고 한다. 구현. 구현을 위한 데이터는 아래의 그림3에서 보이는 데이터 베이스에 속한 유저 프로필, 페이지 인덱스가 있다. 웹 페이지에 대한 정보는 오프라인으로 수집이 된다. 콘텐츠를 위한 .. 2020. 1. 21.
Recommender systems survey(1) Recommender systems survey.(2013) author: J.Bobadilla, F.Ortega, A.Hernando, A.Gutierrez 이번에 볼 논문은 추천시스템에 대한 서베이를 한 논문이다. 추천 시스템에 대한 전반적인 내용들로 협업필터링, 유사도 측정, 예측, 콜드스타트 문제 등에 대한 설명을 한다. Abstract 추천 시스템은 웹과 병행되어 개발이 되었다. 초기에는 demo-graphic, content-based, collaborative filtering을 기반이었다. 현재 이러한 시스템은 사회적 정보화 시스템을 통합하고 있다. 미래에는 사물인터넷에서 암시적, 지역적, 개인 정보를 사용하게 될 것이다. 추천시스템 뿐만아니라 협업필터링, 알고리즘에 대한 개요를 설명한다... 2020. 1. 12.
The YouTube Video Recommendation System 구글에 연구원들이 쓴 구글의 유투브 추천시스템에 관한 논문이다. 오역과 다소 약한 설명이 있을 수 있으니 참고 바란다. ABSTRACT We discuss the video recommendation system in use at YouTube, the world’s most popular online video community. The system recommends personalized sets of videos to users based on their activity on the site. We discuss some of the unique challenges that the system faces and how we address them. In addition, we provide det.. 2020. 1. 10.
728x90
반응형