어제보다 나은 오늘 :)

본 포스팅은 Learning To Rank(LTR) 모델의 주요 개념을 정리하였고, 자료는 아래의 블로그를 참고하여 작성하였습니다. https://towardsdatascience.com/learning-to-rank-a-complete-guide-to-ranking-using-machine-learning-4c9688d370d4 Learning to Rank: A Complete Guide to Ranking using Machine Learning Sorting items by relevance is crucial for information retrieval and recommender systems. towardsdatascience.com 1. Learning To Rank란 ? 랭킹 문제를 해..

본 포스팅은 “Deep Knowledge Tracing” 논문의 주요 내용을 정리하였습니다. [논문 링크] https://arxiv.org/abs/1506.05908 Deep Knowledge Tracing Knowledge tracing---where a machine models the knowledge of a student as they interact with coursework---is a well established problem in computer supported education. Though effectively modeling student knowledge would have high educational impact, the ta arxiv.org 1. Knowledge Tr..

본 포스팅은 "Session based recommendations with recurrent neural network(GRU4REC)" 논문의 주요 내용을 정리하였습니다. ■ GRU4REC모델은? 유저별 세션 정보를 (구매 순서,클릭 순서 등)를 입력값으로 하여, RNN을 기반으로 후보 아이템 중 유저가 다음에 선택할 아이템을 예측하는 모델입니다. # 주요 키워드 : RNN, 세션 기반 추천, Ranking Loss ① RNN (순환 신경망) : 입력과 출력을 시퀀스 단위로 처리하는 시퀀스 모델 ② 세션 기반 추천 모델이란 유저들이 선택했던 아이템 순서를 고려해 학습한 추천 모델을 의미 ③ ranking loss : 데이터 인스턴스를 줄 세운다(ranking)는 취지를 강조한 용어, 정보 검색분야에서..

본 포스팅은 "Neural Collaborative Filtering" 논문의 주요 내용을 정리하였습니다. NCF(Neural Collaborative Filtering) 모델은 사용자/아이템의 latent vector를 입력값으로 하여, 신경망을 기반으로 사용자가 아이템을 선택할 확률을 예측하는 모델입니다. # 주요 키워드 : 신경망, 행렬 분해(MF,Matrix-Factorization), 암시적 선호(implicit feedback), 비선형성, 협업 필터링 논문 : https://arxiv.org/abs/1708.05031 1. 어떤 문제를 해결하려고 하는가? implicit feedabck을 활용한 추천 모델 개선 MF와 사용자/아이템의 인터랙션을 딥러닝 (신경망)을 사용해서 개선하는 것 MF의..