Item-based KNN algorithms were discussed in 2001 [33] and later successfully applied in industry around 2003
References
Amazon.com Recommendations: Item-to-Item Collaborative Filtering.
Item-based KNN algorithms were discussed in 2001 [33] and later successfully applied in industry around 2003
Amazon.com Recommendations: Item-to-Item Collaborative Filtering.
Related userKNN, itemKNN
collaborative filtering matrix factorization itemKNN
A Troubling Analysis of Reproducibility and Progress in Recommender Systems Research, TOIS, 2021.
Word2Vec Mikolov, Tomas, et al. “Distributed representations of words and phrases and their compositionality.” Advances in neural information processing systems. 2013. ALS Hu,...
Memory-based CF 는 다른 말로 Neighborhood-based CF(이웃 기반 CF) 이라고도 하며, 사용자 또는 아이템 간의 similarity 값을 계산하고 이를 평점 예측 또는 Top-K ranking 에 활용하는 방법이다.
BFS 방식을 사용해서 itemset 의 support 값을 계산하고, Anti-Monotone property 를 활용해 후보들을 생성해나가는 방법이다. itemset 에 포함되는 item 의 개수를 한개부터 늘려가면서 최소 support 값 이상을 가지지 못하는 후보들은 제외한다. 예시
정의 impression, viewable impression Related papers Collaborative Filtering for Implicit Feedback Datasets: Also BPR - Bayesian Personalized Ranking from Implicit Feedback An...
배경 To remedy the selection bias in evaluation, some recent work considers a recommendation as an intervention analogous to treating a patient with a specific drug. In both...
support 값은 그 itemset 이 얼마나 데이터베이스에 자주 등장하는지 나타내는 지표다.
Merging user preferences: User preferences from both domains are aggregated in such a way that single-domain recommender systems can be used. Linking domains: Graph-based...
CB(Contents Based) 추천은 콘텐츠 자체의 내용을 분석하여 유사한 콘텐츠를 찾는 방법이다.
Cold start 문제란, 사용자와 아이템 간 interaction 이 없는 신규 유저나 신규 아이템을 추천 대상에서 제외되는 문제를 뜻한다. ID 를 사전 없이 해시로 임베딩하는 hash-based embedding 은 신규 아이템에도 즉시 자리를 주지만, 그 자리의 벡터는 아직 학습되지 않은 값이라 cold...