chanwoong1/recommendation-system-study

Recommendation Systems

Outline

Overview

Recommendation

• 어떤 조건에 적합한 대상을 책임지고 소개함

어떤 사용자에게 어떤 상품을 어떻게 추천할지에 대해 이해

기업에서의 추천시스템

• 카카오 (브런치)
  • 해당 글과 유사한 글을 추천
• 당근마켓
  • 다른 사람들과 함께 본 상품 추천

Classification

• User data

  • Explicit Feedback
    • Rating
  • Implicit Feedback
    • View counts

• Model

  • Content-based Filtering
    • Recommendation based on item attribute
  • Collaboratice Filtering
    • Recommendation based on users' behavior
  • Hybrid Recommendation
    • Content based + Collaborative Filtering

• Purpose

  • Rating Prediction
    • Matrix Completion Problem
  • Top-K Recommandation

• Recommendation

  • Best Recommendation
  • Related Recommendation
  • Personalize Recommendation
  • Context-Aware Recommendation

Performance

모델에 대한 성능 평가 단계

• 기존 모델 개선 및 신규 모델 개발 -> 이력 데이터 기반 성능 평가 -> 심사 평가 -> A/B Test -> 기존 모델 개선 및 신규 모델 개발
  • 사전 검증 : 이력 데이터 기반 성능 평가, 심사 평가
  • 사후 검증 : A/B Test

점수 예측에 대한 성능 평가 - 예상 평점과 실제 평점간 오차

• RMSE
  • 큰 오차에 큰 가중치, 작은 오차에는 작은 가중치 부여
• MAE
  • 오차만큼의 가중치 부여

Top-K 성능 평가 지표

• Precision@K
  • 모델이 추천한 K개 아이템 가운데 실제 유저가 관심있어하는 아이템의 비율
• Recall@K
  • 유저가 관심있어하는 전체 아이템 가운데 모델이 추천한 아이템의 비율
• MAP@K
  • Average Precision -> Precision(1) ~ Precision(K)까지의 평균값
  • 모든 유저에 대한 Average Precision 값의 평균 -> 추천시스템의 성능
• NDCG
  • 추천 순서에 따라 가중치가 부여된다. 1에 가까울수록 높은 성능
• DCG

Considerations