| 작성자 | 장원준 |
| 일 시 | 2024. 5. 23 (목) 18:00 ~ 21:00 |
| 장 소 | 복지관 b128-1호 |
| 참가자 명단 | 임혜진, 이재영, 성창민, 김명원, 장원준 |
| 사 진 |  |
Latent Factor Models 의 한계점
- Cold-start: 상호작용 데이터가 충분히 많지 않을 때
- Interpretability: Feature는 model이 무엇을 하는지 해석하는데 도움이 됨
- Temporal evolution: 선호도나 특성이 시간에 영향을 받는 경우
Factorization Machines
- Feature간 관계를 모델링
- Latent Factor Model의 Generalization
- User-Item 상호작용 뿐 아니라 feature들 사이의 상호작용도 모델링 가능!
- User-Item 상호작용은 여러 feature들 중 하나로 볼 수 있음
Idea: 상호작용 데이터를 user id, item id, 기타 feature들로 구성된 feature matrix로 표현
Linear Regression을 적용하면...?
○ feature들 간 관계를 모델에 반영할 수 없다...
Idea: 각 feature에 latent vector를 연관
○ feature들 간 관계를 latent vector의 곱으로 표현
이의 대한 예시를 들자면,,
● Latent Factor Model
● Latent Factor Model + 가격
● Latent Factor Model + 요일
● MLP로 비선형 관계 모델링
Latent model 의 단점인 feature 들 사이의 특성 비교가 불가능한점을 해결할 수 있는 Factorization Machines 모델에 대해 공부해 봤다 확실히 고려하는 것이 많아질 수록 성능이 높아지는 것을 확인할 수 있었다. 다음시간에는 코드로 구현해보겠다.