대화형 추천 시스템: 사용자와 실제 대화를 통해 사용자의 성향을 파악하여 추천을 진행함
1 min read
대화형 추천 시스템: 사용자와 실제 대화를 통해 사용자의 성향을 파악하여 추천을 진행함
Unlike interactive recommendation methods that generate recommendations based on the user’s feedback via constant interactions, sequential recommender systems predict the...
추천 시스템에 관련된 github repo 를 정리하는 page Repos github.com/microsoft/recommenders/ This repository contains examples and best practices for building recommendation systems, provided...
Challenge of RS 추천 시스템에서 발생할 수 있는 문제점들 nosiy data 일반적으로 historical 데이터는 모두 사용자의 성향을 반영한다고 가정하지만, 사용자는 자신이 선택한 아이템을 좋아하지 않을 수 있다.
CB CB(Contents Based) 추천은 콘텐츠 자체의 내용을 분석하여 유사한 콘텐츠를 찾는 방법이다. 콘텐츠의 종류는 글, 사진, 음악 등 다양하므로, 다양한 데이터 도메인을 위해 각기 다른 여러 종류의 CB 기술이 필요하다.
Abstract counterfactual learning technologies for tackling the bias problem in recommendation.
Merging user preferences: User preferences from both domains are aggregated in such a way that single-domain recommender systems can be used.
단점 새로운 아이템에 대해서는 추천을 제공할 수 없음 popularity bias 가 존재함 (NLP 문제에서 많이 나오는 단어에 대해 반복적으로 등장함) .
데이터를 하나의 저장소로 모으지 않고 모델을 학습할 수 없을까? 데이터를 특정 서버에 모으지 않고 개인 디바이스에서 학습하는 방식으로, 데이터 이동 이슈를 해소하기 위한 방안으로 많이 연구되고 있다.
추천 결과 다양성의 종류 inter diversity: 유저 간 추천 결과가 다른것 inner diversity: 추천 결과 내 아이템의 성격이 다른 것 연관 추천에서 강아지 영상을 한번 봤는데, 추천 결과가 모두 강아지와 관련된 영상이면 inner diversity 가 낮다고 할 수 있다.
POI 추천은 지역 기반 소셜 네트워크 (Location Based Social Network, LBSN) 의 관련 데이터나 사용자의 과거 체크인 이력을 활용해서, 사용자에게 적합한 미래의 POI 를 제공하는 문제를 말한다.