Recommendation5 Matrix Factorization Matrix Factorization techniques for recommendation systems https://datajobs.com/data-science-repo/Recommender-Systems-[Netflix].pdf Intro 오늘은 2009년에 나온, 추천 논문을 하나 분석하고자 한다. 최근에 추천 모델 공부를 주로 하였는데, 모델 뿐 아니라 데이터를 다루는 공부를 더 하고자 하여 kaggle을 하나 파고 있다. 그래서 그 과정에서 이전에 공부했던 여러 테크닉들을 정리하고자 하는데, 가장 대표적인 collaborative filtering 방식인 matrix factorization에 대해 복기하고 기록하고자 대표적인 이 논문을 읽어보고자 한다. 요즘 어딜가든 나오는 말이 있다. 개.. 2021. 4. 5. MEANTIME MEANTIME : Mixture of Attention Mechanisms with Multi-temporal Embeddings for Sequential Recommendation https://arxiv.org/pdf/2008.08273.pdf 이번엔 조금 특별한 논문을 들고 왔다. 작년 추천 시스템 프로젝트를 할 때 BERT4Rec과 SR-GNN을 비교했었는데, 여기서 BERT4Rec을 좀 더 추천 시스템에 맞게 보완하여 만들었다고 한다. 왜 특별하냐면, 해당 수업의 교수님과 조교 분들이 낸 논문이기 때문이다(..) 그래도 수업 때 나름 아이디어를 재미있게 들었던 것 같아 되짚어보려 한다. Intro 지난 BERT4Rec 리뷰에서도 보았듯이, self-attention을 기반으로 하는 모델들은 .. 2021. 3. 24. BERT4Rec BERT4Rec: Sequential Recommendation with Bidirectional Encoder Representations from Transformer https://arxiv.org/pdf/1904.06690.pdf 본 논문은 작년 임베디드 수업에서 진행했던 추천 시스템 관련 프로젝트를 위해 읽은 논문이다. BERT를 추천 시스템에 결합한 모델인데, BERT에 관한 설명보단 어떻게 기존 추천 시스템에 접목했는지를 집중해보도록 하겠다. 즉 BERT에 대한 설명은 거의 없다. 따로 글을 적게 된다면 링크를 따로 추가하도록 하겠다. (BERT Relay 준비중) Intro 예전부터 옛날의 기록, 경험에 비추어 행동을 하는 것은 좋은 방법이며, 역사를 공부하거나, 일기를 쓰거나 등의 행위는.. 2021. 3. 18. Wide & Deep Wide & Deep Learning for recommendation systems https://arxiv.org/pdf/1606.07792.pdf 본 논문은 작년 임베디드 수업 추천 시스템 프로젝트 때 읽은 논문으로, 복습하여 기록으로 남기고자 다시금 읽은 논문이다. Intro 어떤 추천 시스템이든, 가장 기본적인 틀은 user,상황,아이템 등의 정보들로 이루어진 query에 대해 database 내 item들의 ranked list를 받아오는 것을 목적으로 하는 시스템이다. 여기서 ranking은 주로 아이템 연관성, 유저기반이면 뭐 클릭, 구매 내역 등의 연관성으로 랭킹을 매길 것이다. 추천 시스템의 중요한 challenge를 여기서 두 가지로 나눌 수 있는데, 하나는 Memorization으로.. 2021. 3. 18. 이전 1 2 다음
