Autoencoder 기반 추천 시스템 조사

소개

"Autoencoder 기반 추천 시스템 조사"에 대한 내용입니다.

「A survey of autoencoder-based recommender systems(Guijuan ZHANG, Yang LIU, Xiaoning JIN)」 논문에 대한 내용을 바탕으로 작성하였습니다.

목차

Ⅰ. Introduction

Ⅱ. Overview

Ⅲ. Autoencoder만을 기반으로 하는 모델

Ⅳ. 통합 모델
Ⅳ-Ⅰ. 전통적인 추천 시스템과 통합된 Autoencoder
Ⅳ-Ⅰ-Ⅰ. 긴밀하게 통합된 모델
Ⅳ-Ⅰ-Ⅱ. 느슨하게 통합된 모델
Ⅳ-Ⅱ. 다른 딥러닝 기술과 통합된 Autoencoder
Ⅳ-Ⅲ. 정성 분석

Ⅳ. Discussion

본문내용

Ⅰ. Introduction
Autoencoder는 여러 규제 기법을 적용하여 현재 다양한 application 들에 적용되고 있다. 특히 Autoencoder는 추천 시스템인 collaborative filtering의 성능을 높이는 데 주로 사용된다. 추천 시스템은 최근 이슈로 떠오르면서, 아마존, 넷플릭스와 같은 기업들에서 효과적인 추천 시스템을 개발하였고, 쿠팡, 무신사와 같은 국내 기업들도 추천 시스템 개발에 힘쓰고 있다. 추천 시스템은 콘텐츠 기반 모델, 협업 필터링 모델, 지식 기반 모델 그리고 하이브리드 기반 모델로 나뉘는데 기존 모델들에는 한계가 존재한다. 사용자에 대한 정보가 부족하여 발생하는 데이터 희소성, 콜드 스타트 문제가 있다. 이러한 기존 추천 시스템의 한계를 개선하는 방법으로 Autoencoder 기반 추천 시스템이 제시되었다.
이에 여러 추천 시스템에 Autoencoder가 적용되면 어떤 효과가 있는지 「A survey of autoencoder-based recommender systems(Guijuan ZHANG, Yang LIU, Xiaoning JIN)」의 논문을 통해 알아보고자 한다.

Ⅱ. Overview
본 논문에서는 기존 추천 시스템(콘텐츠 기반 모델, 협업 필터링 모델, 지식 기반 모델, 하이브리드 기반 모델)의 한계를 개선하는 Autoencoder 기반 추천 시스템에 대한 체계적인 검토를 실시하고 분류 체계를 제안하였다. 이에 따라 본 논문에서 제시한 분류 프레임워크와 Autoencoder 기반 추천 시스템에 대한 검토를 살펴본 뒤 결론을 도출한다.

Ⅲ. Autoencoder만을 기반으로 하는 모델
Autoencoder 기반 collaborative filtering (ACF)은 사용자에 특화된 Autoencoder(AE) 기반 추천 시스템이다. ACF는 원래의 정수 등급 r을 입력 데이터로 직접 가져오는 것이 아니라 r을 0과 1로만 표현되는 벡터로 변환한 뒤 이 벡터를 입력 데이터로 취한다.

참고자료

· Guijuan ZHANG,Yang LIU,Xiaoning JIN,(2020),A survey of autoencoder-based recommender systems,front. comput. sci,14(2),430-450