반응형 Recommender3 [논문 리뷰] SASREC : Self-Attentive Sequential Recommendation, 2018 https://arxiv.org/pdf/1808.09781.pdf Abstract 최근 추천시스템에선 사용자의 activities에 대한 context를 포착하는 것이 key feature가 되었다. 이러한 패턴을 얻기 위해 Markv Chain과 RNN이 사용되고 있는데, MC의 경우 이전 action들을 이용하여 사용자의 다음 action을 예측하는 방법으로 극단적으로 sparse dataset에 좋은 성능을 보이지만 그렇기 때문에 model의 parsimony가 critical하고, RNN의 경우 longer-term semantics를 얻도록 하는 방법으로 denser dataset에서 좋은 성능을 보이지만 그만큼 더욱 높은 model complexity가 필요하다. 이 논문에서의 목표는 위 언급.. 2023. 1. 20. [논문 리뷰] SESSION-BASED RECOMMENDATIONS WITH RECURRENT NEURAL NETWORKS (GRU4Rec), 2016 https://arxiv.org/pdf/1511.06939.pdf Abstract 이 논문에서는 RNN model을 Recsys 분야에 새롭게 대입하려 하였다. 당시 사용되던 recsys는 Netflix와 같이 long session-based data보다는 일반적인 사이트에서 얻어온 short session-based data에 의존한다는 문제에 직면한다. 이러한 상황에서는 MF 방법이 효과적으로 적용될 수 없기에, item간의 추천에 의존함으로써 해당 문제를 극복할 수 있다고 한다. 전체 session을 modeling 하면 더욱 정확한 추천을 할 수 있다. 따라서 저자는 RNN-based approach를 제시하였고, ranking loss나 다른 몇몇의 부분들을 수정한 새로운 RNN 모델을 제시하.. 2023. 1. 18. [논문 리뷰] BPR: Bayesian Personalized Ranking from Implicit Feedback https://arxiv.org/pdf/1205.2618.pdf 코드 구현 https://github.com/327aem/bpr GitHub - 327aem/bpr: BPR: Bayesian Personalized Ranking from Implicit Feedback torch implementation BPR: Bayesian Personalized Ranking from Implicit Feedback torch implementation - GitHub - 327aem/bpr: BPR: Bayesian Personalized Ranking from Implicit Feedback torch implementation github.com Abstract 지금까지의 추천 시스템 모델 중에서 impli.. 2023. 1. 10. 이전 1 다음 반응형
