본문 바로가기
728x90
반응형

recommendation5

Collaborative Filtering 에서의 유사도 지표 제안 논문. CF 알고리즘에서 새로운 유사도 지표를 제안하여 기존 보다 나은 성능을 내도록 연구한 논문에 대한 간략한 정리. 이번 장에서는 2개의 논문에 대한 정리를 한다. 기존의 어떤 문제를 해결하고자 하는지, 제안하려는 유사도 지표가 주는 이점, 한계점 등에 대해 간략하게 정리한다. 1. A new similarity measure for collaborative filtering based recommender systems 2019, Achraf Gazdar, Lotfi Hidri. 요약: CF 알고리즘은 유사도 지표를 토대로 유사한 사용자 집단을 구성하고, 이를 토대로 추천이 이루어진다. 이 때, 유사도를 측정하는 부분에 있어서 지금껏 다양한 유사도를 제안해왔고, 이 논문은 심플하고 효율적인 유사도 지표를 .. 2020. 10. 29.
추천시스템에서의 유사도 지표와 피드백 특징 연구. CF알고리즘에서 메모리 기반의 kNN 알고리즘에서 주요 이슈로 기본적으로 cold-start가 있고, 그리고 또 동시 평가 아이템을 기준으로 유사도를 구하는 알고리즘의 특성상, 동시 평가 아이템이 적을 수 밖에 없는 평점 매트릭스에서 더 잘 유사도를 구하기 위한 연구들에 대해 알아본다. 주어진 평점 매트릭스는 늘 sparse하다. 그럴 수 밖에 없는 것이 아이템은 제한되어 있고, 사용자는 상대적으로 훨씬 많다. 특정 사용자 둘 간의 유사도를 구하려해도 동시에 평가한 항목들이 소수여서 제대로 유사도가 측정되지 않는다. 이를 개선하고 싶으면 먼저, 유사도를 구하는 방법들에 대해 탐구할 필요가 있다. 유사도를 구하는 식은 다양하며 각 유사도가 가진 특징을 보고 적절히 발전을 시키면 기존의 base simila.. 2020. 10. 23.
A Hybrid Movie Recommender System Based on Neural Networks Abstract 하이브리드 시스템을 제안하며, MovieLens 데이터를 사용했다. 1. Introduction 영화, 시놉시스, 참여자(배우, 감독, 대본작가)와 다른 사용자들의 의견을 잘 고려한 하이브리드 시스템을 개발했다. 2. Related Work “A hybrid approach to making recommendations and its application to the movie domain” 는 요청시 등급 예측을 제공하는 하이브리드 시스템이다. 3.Content_Based and Collaborative Filtering Demographic filtering은 유사한 인구통계학적 특징을 가진 사용자에게 동일한 요소를 추천한다. 이 접근 방식은 너무 일반적이고 시간이 지나 변화하는 관심.. 2020. 2. 27.
surprise를 활용한 협업필터링(collaborative filtering) 협업필터링에는 메모리 기반, 모델 기반으로 또 나뉘어지게 되는데, 앞서 메모리 기반 협업필터링을 item-based와 user-based로 각각 연습한다. 이번에는 협업필터링을 파이썬에 surprise 라이브러리를 사용해서 item-based, user-based를 구현하고, 잠재 요인 모델(Latent Factor Models)도 실행해본다. Li 님[2]의 블로그를 보고 데이터는 movielens를 사용하여 몇가지 옵션만 달리해가며 따라해보았다. 우선 필요한 라이브러리와 데이터를 가져온다. 데이터는 계속 쓰던 movielens 데이터를 사용한다. # 라이브러리 불러오기 import os import pandas as pd from surprise import Reader, Dataset u.data... 2020. 2. 13.
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.
728x90
반응형

티스토리툴바