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 |
- VATT
- UltrGCN
- 시퀀셜 추천시스템
- Sequential Recommendation
- 딥러닝
- PinSAGE
- DIF-SR
- side information
- SBERT
- 시계열 추천시스템
- Graph Embedding
- Recommendation System
- 그래프 임베딩
- 아마존 추천시스템
- Recommender System
- Multi-Modal
- Sequential Recommendation System
- 문장임베딩
- SASrec
- collaborative filtering
- BERT4Rec
- graph recommendation
- graph
- multi modal recommendation
- sentence embedding
- 머신러닝
- 추천시스템
- sentence BERT
- GCN
- LightGCN
- Today
- Total
목록collaborative filtering (2)
AI 공부 기록 블로그
본 논문은 2020년 SIGIR conference에서 발표되었으며, 그래프를 접목한 Collaborative Filtering 방식의 추천 시스템 논문입니다. 기존의 그래프 기반 추천시스템에서 불필요한 요소들은 제거하고 추천에 필요한 요소만 사용해 가벼우면서도 좋은 추천 성능을 보인 논문입니다. 논문의 리뷰는 저의 주관적인 해석과 오역이 있을 수 있습니다. 이에 대해서 댓글 남겨주시면 감사하겠습니다. :) 1. Introduction 먼저 Collaborative Filtering(CF)은 비슷한 행동을 가진 유저들이 비슷한 아이템을 선호할 것이라는 가정으로 추천시스템에서 널리 사용되는 방법입니다. CF는 유저와 아이템 각각의 임베딩 벡터를 생성하고, 내적을 통해 유저가 선호할만한 아이템의 스코어를 계..
최근 graph를 활용한 추천시스템에 대한 연구가 활발히 진행되고 있는데, 이번에는 "Neural Graph Collaborative Filtering" 논문을 리뷰해보고자 합니다. 본 논문은 2019년 international ACM SIGIR conference에 게시된 논문으로 여기를 통해 확인 가능합니다. 논문의 리뷰는 저의 주관적인 해석과 오역이 있을 수 있습니다. 이에 대해서 댓글 남겨주시면 감사하겠습니다 :) 1. Introduction 추천시스템에서 사용되는 Collaborative filtering(CF) 방법은 행동의 유사성(behaviorally similar)을 가진 유저들이 비슷한 아이템을 선호할 것이라고 가정한다. 일반적으로 CF 모델을 학습하기 위해서는 다음과 같은 2가지 핵심..