홈

Paper Information Title : Neural Graph Collaborative Filtering Authors : Xiang Wang et al. Journal : SIGIR’19 URL : 논문 링크 Introduction 협업 필터링 (CF, Collaborative Filtering) 모델을 학습하는 것은 크게 1) embedding과 2) interaction modeling 파트가 있습니다. embedding는 user와 item을 벡터화된 표현으로 변환하는 것이며, interaction modeling은 embedding을 기반으로 과거 interaction을 ...

Paper Information Title : Attention-based dynamic user modeling and Deep Collaborative filtering recommendation Authors : Ruiqin Wang et al. Journal : Expert System With Applications (2022) URL : 논문 링크 Introduction 협업 필터링(Collaborative Filtering) 방법은 추천 시스템에서 유명한 방법 중 하나입니다. CF에서 가장 유명한 방법은 Matrix Factorization (MF)로써 사용자와 아이템을 저차...

Paper Information Title : AutoRec: Autoencoders Meet Collaborative Filtering Authors : Sedhain Suvash et al. Conference : WWW’15 URL : 논문 링크 1. Introduction Collaborative Filterin (CF) : 개인화된 추천을 제공하기 위해서 아이템에 대한 사용자의 선호도에 대한 정보를 이용한다. 이번에 리뷰하는 논문은 CF 방법에 autoencoder 방법을 곁들인 AutoRec라는 새로운 모델을 제안한다. 2. The AutoRec Model A...

Paper Information Title : Neural Collaborative Filtering Authors : Xiangnan He et al. Conference : WWW’17 URL : 논문 링크 1. Introduction 개인화된 추천 시스템 (Personalized recommender system)의 핵심은 협업 필터링 (collaborative filtering) 으로 과거의 상호작용 (예: ratings, clicks)을 기반으로 아이템들에 대한 사용자의 선호도를 모델링 하는 것이다. 다양한 협업 필터링 기법 중에서 Matrix Factorization (MF)...

Paper Information Title : Matrix Factorization Techniques for Recommender Systems Authors : Yehuda Koren et al. Journal : IEEE Computer URL : 논문 링크 추천 시스템 (Recommender System) 제품에 대한 사용자의 관심 패턴을 분석해서 사용자 취향(taste)에 맞는 개인화된 추천(personalized recommendations)을 제공한다. Recommender System Strat...

Paper Information Title : PURS: Personalized Unexpected Recommender System for Improving User Statisfaction Authors : Pan Li et al. Conference : RecSys’20 URL : 논문 링크 1. Introduction 최근 고전적인 협업 필터링(Collaborative filtering) 알고리즘은 종종 over-specialization, filter bubbles 및 user boredom 문제를 야기한다. 이로 인해 사용자들은 비슷한 아이템을 짧은 기간동안 반복적으로 추천받으면...