협업필터링2 [추천시스템] 모델기반 협업필터링 모델기반 협업 필터링은? 머신러닝을 가장 잘 활용한 추천알고리즘의 일종임 주어진 데이터를 활용하여 모델이 데이터의 패턴을 학습함 데이터 크기 또는 특징(feature)을 동적으로 활용 가능함 데이터(유저)의 잠재적 특성(선호하는 취향)을 파악하는 모델임(Latent Factor Model) 모델기반 협업 필터링의 장점 1. 추천모델의 크기를 줄일 수 있음(데이터를 Matrix로 만들어서 가능) 2. 데이터 전처리와 학습과정으로 준비된 모델로 예측 가능함 3. 추천모델의 과적합 방지가 가능함 모델기반 협업 필터링 종류 1. Association Rule Mining 2. Matrix Factorization (SVD, ALS) 3. Probabilistic Models 4. SVM, Regression m.. 2021. 5. 9. [추천시스템] 협업 필터링(Collaborating Filtering) 개요, 아이템 VS 유저 협업 필터링 선택하기 정의 : 많은 사람들의 의견을 협동하여 더 나은 추천을 위해 필터링한다. 1. 개인보다는 단체 또는 그룹의 선택과 취향에 의존한다. 2. 여러 사람의 의견을 종합적으로 반영하여 다수의 의견으로 더 나은 선택을 한다. 종류 : 이웃기반 협업 필터링 장점: 1. 구현이 간단하다 2. Model-based CF에 비해 계산량이 적다. 3. 새로운 user, item이 추가되도 안정적으로 추천할 수 있다. 이웃기반 협업 필터링 단점: 1. Cold-Start 문제가 있다. (충분한 데이터가 없으면 추천할 수 없다) 2. 데이터가 많아질수록 계산량이 많아진다. 3. Long-Tail 문제가 발생한다. (대부분의 사용자가 관심 갖는 소수 아이템으로 추천이 쏠린다) User-based 협업 필터링 활용 1. 취향이 .. 2021. 5. 2. 이전 1 다음 반응형
