[부스트캠프 AI Tech] Recommendation System with DL

추천시스템에서 딥러닝을 사용하는 이유?

 - Nonlinear Transform : DNN(Deep Neural Network)은 data의 non-linearity를 효과적으로 표현 가능

 - Representation Learning : 사람이 직접 feature design할 필요 없음

 - Sequence Modeling : sequential modeling task에서 성공적으로 적용

 - Flexibility : 다양한 DL 프레임워크 → 효율적으로 서빙 가능

 

Recommendation system with MLP

MF의 한계 : user와 item embedding의 linear combination으로만 구해서 표현력 부족

GMF와 MLP를 앙상블 해서 사용

출처 부스트캠프 AI Tech

 

YouTube Recommendation

Candidate Generation : High Recall목표로 Top N 추천 아이템 생성

Ranking : 위에서 구한 결과로부터 유저,비디오피처를 사용해 스코어를 구하고 최종 추천

 

Recommendation system with AE

⊙ 오토인코더(Autoencoder, AE)

 - 입력 데이터를 출력으로 복원(reconstruct)하는 학습 모델

출처 부스트캠프 AI Tech

⊙ 디노이징 오토인코더(Denoising Autoencoder, DAE)

 - 입력 데이터에 random noise나 dropout을 추가하여 학습

 

⊙ AutoRec [AE를 추천시스템에 적용]

 - Rating Vector를 입력과 출력으로하여 Encoder&decoder 작업 수행

 - Rating Prediction을 위한 모델

 

⊙ CDAE(Collaborative Denoising Auto-Encoders) 

 - Ranking을 통해 유저에게 Top-N 추천을 제공