[추천시스템] 추천시스템 A to Z : 추천 알고리즘의 종류
추천 시스템의 구조 추천 시스템의 전체적인 구조는 후보를 생성하는 단계와 랭킹을 매기는 단계로 구분된다. ⬛ 후보 생성하는 단계 수백만개의 아이템 중 사용자의 활동 기록을 기반으로 후보가 될 만한 수백 여개의 아이템으로 선정하는 단계이다. 이러한 후보는 일반적으로 높은 정밀도로 사용자와 관련이 있고 협업 필터링(사용자간의 유사성)을 통해서만 광범위한 개인화를 제공한다. 리스트에서 최상의 리스트를 제시하기 위해서는 recall이 높은 후보 간의 상대적 중요성을 구분하기 위해 세밀한 수준의 표현이 필요하다. ⬛ 랭킹을 매기는 단계 아이템과 사용자를 설명하는 Feature을 사용하여 원하는 목적 함수에 따라 각 아이템에 점수를 할당하여 가장 높은 점수를 받은 아이템이 점수에 따라 순위가 매겨져 사용자에게 표시..
Data Science&AI
2023. 2. 12. 18:54
공지사항
최근에 올라온 글
최근에 달린 댓글
- Total
- Today
- Yesterday
링크
TAG
- Concept Drift
- AutoEncoder
- 오토인코더
- Generative BI
- Tableau vs QuickSight
- 모델 배포
- 영화 인턴
- SQLD
- SQLD 정리
- On-premise BI vs Cloud BI
- 비즈니스 관점 AI
- data drift
- 시계열딥러닝
- Data Drift Detection
- SQLD자격증
- 생성형BI
- amzaon quicksight
- pandas-ai
- 추천시스템
- 최신시계열
- Model Drift Detection
- 데이터 드리프트
- Model Drift
- pandas-gpt
- amazon Q
- 모델 드리프트
- 영어공부
- 모델 드리프트 대응법
- NHITS설명
- Data Drift와 Concept Drift 차이
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