추천시스템에의 고민
최근 추천시스템을 공부하면서, 나름 관심을 가졌던 부분이 바로 '타이밍'이었다. 추천에의 타이밍. 내가 검색을 한다거나, 쇼핑을 할 때, 굳이 굳이 10년전의 정보나 아이템을 보고싶진않을테니.. 특히나 내가 공부하면서, 다뤄봤던 데이터가 카카오 아레나의 브런치 데이터였기때문에, user가 좋아할 만한 item이라고 판단한다 해도, 이미 시간이 지나서 잘 보지않는, 이미 old-fashion의 것이 되어버린 것들을 추천하는 것이 과연 올바른 일일까? 라는 고민을 계속 했었다. 특히 cold-start, long-tailed item 해결, 즉 unbiasing문제에 관심을 갖고 바라보았던 터라, 가장 손쉽게 접근할 수 있는 content-based recommender system을 활용했다. 당연히 생길..
[Recommender System: the textbook] 5. Knowledge-Based Recommender Systems
5.1 introduction Collaborative systems: 많은 데이터가 필요 --> 그렇지않으면 cold-start 문제 발생. Content-based: 조금 낫지만, new user에 대한 cold-start 문제는 여전히 남아있음. 또한, 매우 customized한 아이템에 잘 맞지않는 추천기법이다. 부동산, 자동차, 관광, financial services, 럭셔리 제품들은 판매량이 많지않고, 충분한 ratings가 이루어지지않음. 그리고 이런 상품들에 대한 도메인 영역은 매우 복잡하다. 집을 사고자할 때, 우리는 옷을 사듯이 고르는 것이 아니고, 평수, 방 개수, 베란다 유무 뭐 이런 것들을 명확하게 원하기때문.. 부동산 아이템과 같은 것들은 아이템을 설명하는데에 있어서 복잡성이 ..
