개발자식

1. Content-Based Recommendation Systems - item features를 사용하여 사용자가 이미 좋아한 것과 유사한 새로운 항목을 추천하고, 그들의 이전 행동이나 명시적인 피드백을 기반으로 한다. - 다른 사용자 또는 다른 사용자 항목 상호 작용에 대한 정보에 의존하지 않는다. 2. Similarity Measures 두 영화가 비슷하다란? - 영화의 장르나 주제가 겹치는 것이 많다. 사용자가 비슷하다란? - 사용자가 과거에 좋아했던 영화나 장르가 겹치는 것이 많다. 머신러닝을 하려면 영화와 사용자를 비교해야 한다. 따라서 유사성에 대한 개념을 엄격하게 만들 필요가 있다. -> 항목의 속성이나 기능을 생각하여 동일한 임베딩 공간에 있는 사용자가 얼마나 유사한지 비교할 수 있다..

Recommendation System Overview 1. Introduction "Recommendation engines" - 머신러닝의 가장 성공적이고 널리 퍼진 비즈니스 사례이고 즐겨 사용하는 애플리케이션에서 많이 지원한다. - ex) Youtube, Google Play "what exactly are recommendation engines?" "What do they do and how do they work?" - 기본적으로 사용자가 과거에 상호작용 했던 제품을 기반으로 확인하지만 유튜브의 경우 사용자의 로그가 기록된다. 사용자가 직접 검색에 도달하지 못할 항목들도 추천해준다. -> 그래도 사용자와 관련됨 - Recoomendation engines provide a way of surf..