추천시스템 알고리즘 선정

(ML&DL) 프로젝트/머신러닝 App 탑재 2022. 6. 19. 18:42

* 협업기반 필터링

1. GMF(Generalized Matrix Factorization)

- 사용자와 아이템(운동 종목)간 상호작용을 표현하기 위해 내적벡터를 활용

- 대표적으로 SVD 모델

- 구체적인 학습 과정

1) 사용자 분류 (Segmentation)

K-최근접 이웃 알고리즘을 활용해 비만의 정도(BMI)에 따라 사용자를 분류

운동 데이터를 소모 칼로리에 따라 클러스터링

2) 베이지안 네트워크

비만의 정도와 운동 레벨에 따라 정해진 추천 점수를 통해 사전 선호도 확률을 계산하고, 베이지안 네트워크를 통해 사후 확률을 구한다.

3) 이를 바탕으로 특이값 분해 알고리즘(SVD)를 활용하여 사용자 맞춤형 운동을 추천

4) 성능 측정

제안 시스템의 성능을 검증하기 위해 비교 실험을 진행하여 회귀 문제 평가 척도인 RMSE 값 측면에서 성능을 분석

2. Neural Collaborative Filtering

Matrix Factorization(MF)은 추천시스템에서 널리 사용되는 방법이다. 이는 user와 item의 상호작용을 학습하는 한 방법으로, user-item 공간의 latent feature들의 inner product를 통해 두 관계를 표현하게 된다. 본 논문은 user와 item간의 관계를 학습함에 있어 기존의 liner 방식에 기반한 MF의 한계를 지적한다. 이에 대해 Neural Net 기반의 architecture인 Neural Collaborative Filtering(NCF)를 제시함으로써, 보다 유연한 방식으로 두 관계를 표현할 수 있는 일반화된 MF 모델을 제안한다.

https://leehyejin91.github.io/post-ncf/

추천시스템논문1.pdf

0.39MB

추천시스템논문2.pdf

0.83MB