개발/Machine Learning (2) 썸네일형 리스트형 Matrix Factorization 오늘은 넷플릭스에서 발표한 matrix factorization에 대해서 설명해보려고 합니다. Matrix Factorization Matrix Factorization은 User와 Item 간의 정보를 나타내는 User-Item interaction Matrix(Rating Matrix)를 User latent matrix와 Item latent matrix로 분해하는 기법을 말합니다. 이때 Rating Matrix는 (User의 수: N) x (Item의 수: M) 으로 구성된 행렬인데, 각각의 유저가 각각의 아이템에 대한 평가가 수치로 남겨진 행렬이 됩니다. 조금 더 풀어서 설명해볼까요. 1. User-based 또다른 추천 시스템 중 하나인 User-based 추천에 의하면 아래 그림의 joe에게.. Logistic Matrix Factorization spotify에서 발표한 논문으로, 웹에서 얻을 수 있는 데이터들은 대부분 직접 rating된 값이 아닌 암묵적인 값으로, 이런 케이스를 위한 Collaborating Filtering 방법의 수요가 높아지고 있다. 그 방법으로 Logistic MF를 소개한다. Problem Setup and Notation Collaborating Filtering의 목표는 유저의 과거 행동을 통하여 미래에 어떻게 행동할 것인지 예측하기 위함이다. 암묵적인 피드백(Implicit feedback)은 클릭수, 페이지 뷰수, 미디어 재생 횟수 등이 포함되는데, 모두 non-negative한 값을 가진다. $U=(u_1,...,u_n)$: $n$명의 user $I=(i_1,...,i_m)$: $m$개의 item $R=(r_.. 이전 1 다음
