[ Recommender System ]
20. Deep Learning for Recommender System 복습
( 참고 : Fastcampus 추천시스템 강의 )
(복습) 추천시스템에 Deep Learning을 사용한 대표적 알고리즘
1) Neural Colalborative Filtering
- Neural Network 사용 ( for user & item의 latent feature )
- GMF layer & MLP Layer를 concatenate하여 NeuMF Layer 생성
-
MF의 linearity + MLP의 non-linearity를 결합하여 장점 선택!
- User-item interaction을 다루는 CF에 focus
2) Factorization Machine
-
기본 정보 + 메타 정보들을 쭈우욱 연결하여 큰 feature 생성
-
General Predictor ( not only RS, but also other ML )
-
x의 모든 가능한 interaction 모델링 ( high sparisty여도 괜찮다 )
( Unobserved interaction에 대해서도 일반화 가능 )
-
Linear Time complexity
-
optimization : SGD
-
SVM보다 나은 성능
3) Wide & Deep Learning for Recommender System
-
Memorization : 과거의 정보를 잘 학습
Generalization : Unknown 정보 잘 학습
-
[DEEP] continuous & categorical features를 concatenate하여 인풋으로 사용
[WIDE] categorical feature만으로 cross product transformation
-
Linear model & Embedding model의 장점을 조합
-
Open Source
4) DeepFM : A Factorization-Machine based Neural Network for CTR Prediction
-
[DEEP] Neural Network
[FM] Factorization Machine
-
Input과 Embedding vector를 share한다
-
Low & High order feature의 interaction을 잘 모델링함
- Feature Engineering이 필요없음
- 매우 Efficient한 모델
5) AutoRec : AutoEncoders meet Collaborative Filtering
- Auto Encoder + Collaborative Filtering
- 얼마나 잘 함축적으로 encoding하느냐가 핵심
(앞으로) text, image, music…
1) Session-based Recommendations with RNN
2) YouTube Recommender System