CF2 [추천] One-class Collaborative Filtering 논문 정리 (2) 3-3. Sampling-based ALS for OCCF 단일 클래스 CF의 경우 모든 결측값을 음수로 가정하는 Naïve한 방식을 채택하는데, 여기서 단점은 행렬의 크기가 클 때 계산 비용이 매우 높다는 것입니다. 그리고 불균형 클래스 문제가 있기 때문에 다음과 같은 방법을 제시합니다. 1단계에서 누락된 값에서 부정적인 예시를 샘플링하고, 가정된 확률분포를 기반으로 R의 모든 긍정적인 예를 포함하는 새로운 R을 생성합니다. 2단계에서는 그 각각의 R에서 wALS를 기반으로한 rating matrix R햇을 재구성합니다. 마지막으로는 모든 R을 동일한 가중치로 결합하여 R에 근사하는 행렬 R햇을 생성합니다. 이를 샘플링 ALS 앙상블이라고 합니다. 샘플링 체계에 3가지가 있습니다. 1. 균일 무작위 샘.. 2023. 5. 8. [추천] One-class Collaborative Filtering 논문 정리 (1) 제가 못찾은 것일 수도 있지만 리뷰가 하나도 없어서 고생 좀 했습니다. 완벽하게 100퍼센트를 이해하지 못한 점 양해 부탁드리고, 첫 리뷰 시작하겠습니다^^ 1. Introduction 먼저 나온 배경에 대해서 설명 드리면, One class collaborative filtering(OCCF)문제를 해결하기 위해 나온 내용입니다. 모든 사용자가 이전에 평가한 아이템을 기반으로 특정 사용자의 아이템 선호도를 예측하는 걸 협업 필터링이라고 하는데요. 별점 같이 여러 가지 등급 혹은 점수로 표현되는 건 사용자가 명시적으로 선호도를 부여할 수 있지만, 클릭/비클릭, 북마크/비북마크와 같은 행동은 암시적인 평가이기에 얻기 쉽다는 장점이 있지만 데이터가 희소한 상황에서 부정적인 예를 식별하기 어렵다는 단점이 있습.. 2023. 5. 8. 이전 1 다음
