[RecSys] 3. Matrix Factorization
Intro Collaborative Filtering 은 크게 봤을 때 neighborhood method와 latent factor models 2가지로 나눌 수 있음 neighborhood method는 user들 끼리 or item 끼리 유사도를 측정해서 유사한 선호도를 가지는 item의 추천을 진행하는 방식이었다면, latent factor model은 관찰된 데이터 속에서 잠재되어 있는 유저와 아이템의 특성을 뽑아내서 유사한 정도를 파악하고 추천을 진행하는 방식이라고 볼 수 있음! Matrix Factorization 행렬 분해 Interaction Matrix ( 상호작용 행렬 ) 각 유저가 아이템에 대해 매긴 평점, 혹은 구매/클릭 여부를 나타낸 행렬 → 유저의 직접적/간접적인 선호가 드러나..
RecSys
2023. 9. 17. 22:00
공지사항
최근에 올라온 글
최근에 달린 댓글
- Total
- Today
- Yesterday
링크
TAG
- 연관규칙분석
- Lagrange Multipler
- 고전적 추천 알고리즘
- WHERE문 집계함수
- 라그랑주 승수법
- WHERE절서브쿼리
- matrix factorization
- 숨겨진조건
- SQL
- SASRec
- 추천시스템
- 여러개 값에 대한 조작
- 다중 GROUP BY
- 하이브리드 필터링
- SET문
- 하나의 테이블에 대한 조작
- SQL레시피
- 협업 필터링
- 서브쿼리
- ORDER BY LIMIT
- groupby 다중
- 이코테
- 알고리즘
- 콘텐츠 기반 필터링
- cold-start
- SELECT문 안 서브쿼리
- 다이내믹프로그래밍
- NULL인 열 만들어주기
- NULL AS
- IFNull()
일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | 2 | 3 | 4 | 5 | 6 | |
7 | 8 | 9 | 10 | 11 | 12 | 13 |
14 | 15 | 16 | 17 | 18 | 19 | 20 |
21 | 22 | 23 | 24 | 25 | 26 | 27 |
28 | 29 | 30 | 31 |
글 보관함