추천시스템
-
#LLM+추천시스템 Large Language Models meet Collaborative Filtering: An EfficientAll-round LLM-based Recommender System 논문 리뷰REVIEW 2024. 7. 19. 01:34
정말 오랜만에 남기는 논문 리뷰. 최근 추천시스템을 개인적으로 개발하면서, 추천시스템에 어떻게 LLM을 적용할 것이냐? 에 대한 관심을 가지고 있던 와중에 발견한 논문을 리뷰한다.오늘 소개하는 논문은 Large Language Models meet Collaborative Filtering: An Efficient All-round LLM-based Recommender System이다. (link)(github) GitHub - ghdtjr/A-LLMRecContribute to ghdtjr/A-LLMRec development by creating an account on GitHub.github.com 논문들어가기에 앞서서 관련 연구의 내용부터 집고 넘어가려고 한다. 사전 지식Collaborativ..
-
추천 #2) 컨텐츠 기반 모델 - 유사도 함수, TF-IDFREVIEW 2021. 8. 8. 22:51
이 글은 유튜브의 T아카데미에 공개되어있는 추천 시스템 분석 입문하기를 기반으로 작성 되었습니다. 컨텐츠 기반 모델은 사용자가 이전에 구매한 상품 중에서 좋아하는 상품과 유사한 상품을 추천하는 알고리즘이다. 이를 찾는 방법은 아이템을 벡터 형태로 표현하여, 해당 아이템과 유사한 벡터를 가진 다른 아이템을 찾는 방식을 사용한다. 컨텐츠 기반 모델은 아래와 같은 방식으로 진행한다. 유사도 함수는 벡터로 표현된 각 상품간의 관계를 계산하기 위해서 필요한데, 굉장히 다양한 방법이 존재하지만 4가지 방식을 설명한다. 1. 유클리디안 유사도 문서간의 유사도를 계산하기 위한 방식으로 여기서 문서는 지난 편에서 이야기한 거래내역과 같다고 보면 된다. 유클리디안 유사도는 유클리디안 거리의 역을 취한 것으로, 여기서 1e..
-
추천#1) 룰 기반의 연관 분석, Apriori, FP-GrowthREVIEW 2021. 8. 7. 17:37
이 글은 유튜브의 T아카데미에 공개되어있는 추천 시스템 분석 입문하기를 기반으로 작성 되었습니다. 추천 시스템 기초 추천시스템의 목표는 어떤 사용자에게 어떤 상품을 어떻게 추천할지에 대한 것이다. 즉, 사용자를 정의하고, 서비스에서 제공하는 상품(아이템)을 제안하는 기술이다. 이는 다양한 의사결정과 관련이 있다. 예를 들어, 영화나 쇼핑몰에서 사용하기 쉽다. 실제로 당근 마켓의 상품 추천, 카카오 브런치의 글 추천에서도 사용되고 있다. 추천 시스템이 중요해진 이유는 페로토와 롱테일의 법칙을 통해 설명할 수 있다. 페로토 법칙 : 상위 20%가 80%의 가치를 창출한다. 롱테일 법칙 : 하위 80%가 상위 20%의 가치보다 크다. 롱테일의 법칙은 인터넷 환경에서 중요한데, 이는 하위 80%에게 영업기회가 ..
-
KG#3 ) Translation Model for KC (TransE, TransR 리뷰)REVIEW 2021. 4. 11. 23:50
Knowledge Graph 관련 세번째 글은 앞서 나눈 Knowledge Completion의 접근 방식인 Translation model에 대해서 나누어 보려고 한다. 오늘의 내용은 연구했던 내용과 아래의 논문들을 참고 했다. Translation Model Knowledge Completion(이하 KC)을 해결하기 위한 접근 방식으로 대표적으로 4가지(Translation Model, Semantic Matching Model, Network Representation Model, Neural Network Model)가 있다. 물론 각 접근 방식 안에서도 다양한 분류가 있다. 오늘 이야기할 해결 방식인 Translation Model은 KC 모델들의 기반이 되는 형태로 볼 수 있다. 먼저, KC..