Tech blog

본 포스팅에서는 본격적으로 선형 회귀를 활용하여 협업필터링 추천시스템을 만들어보겠다.협업필터링 추천 시스템의 개념은 아래 포스팅 참고 https://ysryuu.tistory.com/24 [RecSys] 4. 협업 필터링이란?협업 필터링 (Collaborative Filtering) 이란? 내용 기반 추천에서는, 한 유저의 평점이 다른 유저의 평점에 영향을 미치지 않고 서로 독립적이라고 가정했다. 그러나 현실에서는 유저들 간의 영화 평점ysryuu.tistory.com 1. 데이터 표현협업 필터링을 위해서는 데이터를 어떻게 수학적으로 표현해야 할까?내용기반 필터링에서는 각 유저에 대해서 액션, 로맨스, 감동 등의 영화 속성을 활용해 영화에 대한 선호도를 표시했었다.협업 필터링에서는 영화의 내용, 즉 속성..

협업 필터링 (Collaborative Filtering) 이란? 내용 기반 추천에서는, 한 유저의 평점이 다른 유저의 평점에 영향을 미치지 않고 서로 독립적이라고 가정했다. 그러나 현실에서는 유저들 간의 영화 평점은 복잡한 관계 안에서 연결 되어있고 또 영향을 미친다. 특히 영화별 평점을 유사하게 매긴 사람들을 생각해보자. '유사한 유저들'의 집단을 알아낼 수 있다면? 또 어떤 영화나 장르가 특정 유저 집단들 사이에서 유행하게 되었다면? 이런 경우들을 고려할 때, A와 비슷한 패턴으로 평점을 매기는 B가 있을 때, A는 아직 평가하지 않은 영화에 대해서 평점을 예측하기 위해 B의 평점을 참고하는 건 아주 논리적이고 유용해 보인다. 이런 '유저간 유사성'의 개념을 활용하는 것이 협업 필터링 방식의 추천 ..

본 포스팅에서는 본격적으로 선형 회귀를 활용하여 내용 기반 추천시스템을 만들어보겠다.내용 기반 추천 시스템의 개념은 아래 포스팅 참고 https://ysryuu.tistory.com/21 [RecSys] 2. 내용 기반 추천이란?내용 기반 추천 (Content-based Recommendation System) 이란? 상품의 속성, 내용 등에 기반하여 상품이 어떤 상품인지를 활용해서 추천하는 방법으로, 이미 유저 선호도가 높은 상품과 유사도가 높은 내용ysryuu.tistory.com  1. 데이터를 표현하기 - 데이터를 수학적으로 표현하기 위해 : 입력변수 x1...xn, 목표변수 y- 아래 데이터는 총 4명의 유저에 대해서, 액션(1) 부터 감동(4)까지 총 4개의 속성을 활용하여 영화에 대한 선호도..

내용 기반 추천 (Content-based Recommendation System) 이란? 상품의 속성, 내용 등에 기반하여 상품이 어떤 상품인지를 활용해서 추천하는 방법으로, 이미 유저 선호도가 높은 상품과 유사도가 높은 내용의 다른 상품을 추천한다는 개념과 같다. 영화 추천시에, 아래와 같이 각 영화의 feature 값 (액션, 로맨스, 코미디 등등 성격의 정도) 을 input으로, 각 영화에 대한 유저 평점을 target으로 한 ML 학습이 가능하다는 것. 좋아요/싫어요 데이터라면 분류 알고리즘을, 1~5 등의 평점 데이터라면 선형회귀/다항회귀 등의 회귀 알고리즘을 만들 수 있다. * 참고 자료 - 영화 추천의 사례로 Content based Recommender 설명 https://medium.c..

추천시스템이란? 추천시스템이란, 어떤 옷, 어떤 영화, 어떤 사이트 등등 수많은 상품 중 특정 사용자가 좋아할 만한 것을 찾아주는 시스템이다. 주변을 둘러보면 상품 추천 뿐 아니라 영화, 유튜브 및 음악 추천 알고리즘 등 Netflix, Amazon, Spotify, Meta, Youtube, Google 의 tech 추천 서비스들이 일상에 깊숙히 자리잡고 있음을 볼 수 있다. 더 좋은 추천이 소비자의 편의 상승 및 시간 단축시킬 뿐 아니라, (사회적 비용 감소) 공급 기업의 매출과 직결된다는 점에서 비즈니스 관점에서 매우 유용하고 중요한 ML 기술이라 볼 수 있다. 추천 시스템의 원리 추천시스템은 추천시 유저의 행동패턴 (사용자의 구매 이력, 평점)을 활용해 성능을 향상 시킨다. 즉, 추천시스템도 행동..