recsys-study
1.Recsys Study Ch1. An Introduction to Recommender Systems
웹의 중요성 증가 → 추천 시스템 기술 개발평가 제도 (ex. 5개 별 평가 시스템)다양한 데이터 소스를 활용하여 고객의 관심사를 추론하는 것과거의 관심과 성향이 미래 선택에 대한 좋은 지표이기 때문!예외: 지식 기반 추천 시스템사용자가 지정한 요구 사항을 기반으로 추
2.Recsys Study Ch2. Neighborhood-Based Collaborative Filtering
Memory-based algorithm이라고도 불림유사한 사용자들이 비슷한 평가 행동 패턴을 보이고, 비슷한 항목에 유사한 평가를 할 것이라고 가정user-item 조합의 평가값 예측: $r\_{uj}$ → 사용자 u에 대한 항목 j의 누락된 평가 예측top-k i
3.Recsys Study Ch3. Model-Based Collaborative Filtering
행렬 완성 문제와 전통적인 분류 문제의 차이행렬 완성 문제:독립변수와 종속변수의 구분이 없음train행과 test행의 구분이 없음전통적인 분류 문제:독립변수와 종속변수의 구분이 있음train행과 test행의 구분이 있음 (ex. 7:3, 8:2 등등) 협업필터링을 분
4.Recsys Study Ch4. Content-Based Recommender Systems
출처 Charu C. Aggarwal (2021) 추천시스템 : 기초부터 실무까지 머신러닝 추천 시스템 교과서. 에이콘 출판사 185-218p Charu C. Aggarwal (2016). Recommendation System. Springer Internationa
5.Recsys Study Ch5. Knowledge-Based Recommender Systems
출처 Charu C. Aggarwal (2021) 추천시스템 : 기초부터 실무까지 머신러닝 추천 시스템 교과서. 에이콘 출판사 219-254p Charu C. Aggarwal (2016). Recommendation System. Springer Internationa