6.3 요약(Summary)
이번 장에서는 특잇값 분해 기반 협업 필터링으로 추천하기 위해 필요한 개념들을 살펴보았습니다.
-
평점 기준선 추정
-
평점 기준선과 잔차
-
특잇값 분해
-
평점 예측과 Top-N 아이템 추천
다음으로 특잇값 분해 기반 협업 필터링에서 예측 평점을 계산하는 대표적인 방법들을 살펴보았습니다.
-
평점 평균을 이용한 단순 기준선 추정
-
평점 평균을 이용한 일반 기준선 추정
-
평점 기준선과 특잇값 분해로 근사된 잔차 평점 추정치 기반 평점 예측
표. 평점 예측
| 구분 | 입력 | 적용 기준 | 출력 |
|---|---|---|---|
| 단순 기준선 추정 기반 | 원본 또는 정규화된 평점 데이터(정수/실수형) | 사용자/아이템 | Top-N 추천 아이템 |
|
일반 기준선 추정 기반 ($\lambda 2 = 0$, $\lambda 3 = 0$) |
|||
|
일반 기준선 추정 기반 ($\lambda 2 = 25$, $\lambda 3 = 10$) |
이번 장에서는 모델 기반의 특잇값 분해 기반 협업 필터링으로 예측 평점을 계산하여 추천하는 방법에 대하여 살펴보았습니다. 다음 장에서는 TF-IDF 기반의 콘텐츠 필터링으로 추천하는 방법을 주제로 살펴볼 것입니다.
추천 시스템: 워크북
Comments
Do you have a problem, want to share feedback, or discuss further ideas? Feel free to leave a comment here! Please follow Rust's code of conduct. This comment thread directly maps to a discussion on GitHub, so you can also comment there if you prefer.
Instead of authenticating the giscus application, you can also comment directly on GitHub.