[SKT AI 커리큘럼] 추천시스템 - 7. Collaborative Filtering - Model based

SKT AI 커리큘럼 학습 내용 정리

출처 : T Learning Portal (https://sharedlp.sk.com)

 

 

7. 추천 기술  : ④ Collaborative Filtering - Model based

사용자가 영화를 보고 평점을 매김

-> 1. User Latent Factor : 유저가 좋아하는 장르에 대한 점수

     2. Item Latent Factor : 해당 영화가 장르별 얼마나 해당하는지에 대한 점수

 

결국 Rating Matrix는 User Latent Matrix와 Item Latent Matrix의 내적을 통해 계산된 결과라고 볼 수 있다!

(User Matrix와 Item Matrix를 안다면 Rating Matrix에 빈 공간을 채울 수 있다)

 

User Matrix와 Item Matrix를 알기 위해 SVD(Singular Value Decomposition)를 적용하고자 함

-> 하지만 그러기 위해서는 기존의 Rating Matrix가 비어있으면 안되기 때문에 Missing Value를 채워야 함

 

- 이전에는 휴리스틱한 방법 ( ex. 평균 )으로 Missing Value를 채운 후 SVD를 적용

- 2006년 제안된 Target Optimization : 굳이 우리가 모르는 빈칸을 채우지 말자 ( Compute Observed data ONLY! )

- SGD(Stochastic Gradient Descent), ALS(Alternating Least Squares) 방식이 위의 최적화 문제를 해결하기 위해 사용된다. 

- 위 솔루션이 나온 2006년 이후 추천 시스템이 급속도로 발전하였다. 

ex. Netflix Prize Challenge