...수 있다. POC to Production Gap POC 를 위해 작성한 ML 코드보다 production 을 위해 작성한 코드가 훨씬 많이 필요하다: Hidden Technical Debt in Machine Learning Systems 를 참조하라.
cold 와 warm 시나리오를 둘 다 처리할 수 있는 모델을 만드는 것
The VAE model assumes that the observations are independent and identically distributed (i.i.d.).
1. 추천 시스템 내 대부분의 데이터는 그래프 구조를 가진다. real world 에서 객체들은 서로 explicit 또는 implicit 하게 연결되어 있다. 그리고 그 객체는 사용자, 아이템, 속성등 이 될 수 있다. 2. 그래프 학습은 복잡한 관계를 학습할 수 있다. random walk 나 GNN 과 같은...
paper link: https://arxiv.org/abs/1606.03966
the critical challenges of GNN-based recommendation and the potential solutions 에 중점을 두고 설명함 extensive background of recommender systems and graph neural networks 부터 설명을 시작...
Tabular Data: Deep Learning is Not All You Need
베이즈 추론 자체를 신경망에 미리 학습시켜 두고, 실제 데이터셋이 들어오면 학습 없이 forward 한 번으로 예측을 내놓게 하는 접근이다. Müller et al., "Transformers Can Do Bayesian Inference", ICLR 2022.
relations between pairs of items, model-based Sparse LInear Method (SLIM)
PFN 에 기반하여 만들어진 모델이다. PFN 은 posterior predictive distribution 을 근사하는 방식으로 이뤄진다.
Discussion 메타 러닝을 이용해서 일부 아이템을 소모한 사용자들에게는 더 빠르게 학습할 수 있다고 한다. 즉, 완전 cold-start 는 아닌 case. Abstract 기존 추천 방식의 한계점들 (1) the users who consumed a few items have poor...