인공지능/논문 (2) 썸네일형 리스트형 Collaborative Filtering for Implicit Feedback Datasets implicit한 feedback을 추가해서 추천시스템을 만들 수 있다. * purchase history, browsing history, search patterns, mouse movements.. implicit feedbak의 특징 1. negative 한 feedback이 없다. implicit feedback을 보고 user가 좋아하는지, 좋아하지 않는지 알 수 없다. 유저가 어떤 영화를 봤지만 싫어할 수 있기 때문이다. missing data의 경우 부정적인 피드백일 가능성이 높기 때문에 missing data에 대해서 어떻게 처리를 할지 고려해야 한다.(missing data= no action) 2. 근본적으로 nosiy가 많다. 예를 들어, 한 아이템을 구매했지만 선물용으로 구매했을 .. [MF] MATRIX FACTORIZATION TECHNIQUES FOR RECOMMENDER SYSTEMS 논문: MATRIX FACTORIZATION TECHNIQUES FOR RECOMMENDER SYSTEMS 위의 논문을 공부한 후, 코딩으로 구현하였다. 논문 MF는 implicit feedback, temporal effects, confidence levels을 추가적으로 적용시켜 classic nearest-neighbor 알고리즘보다 더욱 우수하다. 각각에 대해서 어떻게 적용시켰는지 살펴보자 RECOMMENDER SYSTEM STRATEGIES 추천 시스템에 대한 대략적인 내용이 들어가 있다. 1. Content Filtering 이 방법은 각 user 또는 item의 특성으로 profile을 만든다. 예를 들어, 영화의 장르, 배우등으로 profile을 만들어서 비슷한 특성을 가지는 item끼리.. 이전 1 다음
