[AZURE ML] AZURE ML로 구현하는 추천 알고리즘


큐레이션을 어떻게 할것이며, 어떻게 개인화 할 것인가.

큐레이션은 대중들에게, 개인화는 개인들에게.

대중타겟은 큰 가치가 나오지 않는다.

콘텐츠베이스와 콜라보레이션 알고리즘을 이용해 개인화 하곤한다.

콘텐츠베이스는 아이템의 피쳐들을 바탕으로 추천.

콜라보레이티브는 사람간의 유사도를 기반으로 하는 추천.


콘텐츠베이스는 다른 사용자의 정보가 필요하지 않음.

그러나 추천항목이 비슷한 영역에서만 머무름.

콜라보레이티브 필터링은 정확도가 높다.

그러나 계산에 엄청난 비용이 들고 데이터가 없으면 성능이 좋지 않다.


콜라보레이티브 필터링

  • 유저베이스 : 나와 비슷한 성향을 가진 사람 기반
  • 아이템베이스 : 선호하는 아이템과 비슷한 성향의 아이템을 추천해주는 것

여러가지 알고리즘이 있음.

오늘은 유클리디안 거리를 사용해서 만들 예정.


AZURE ML

비전공자도 사용할 수 있도록 설계 됨.


콘텐츠베이스드


콜라보레이티브 필터링과 유클레디안 거리

파이썬


하이브리드 추천으로 웹서비스 적용




© 2017. by isme2n

Powered by aiden