하이브리드 추천시스템

◈ Hybrid Recommder System 

 

 

최근에 사용되는 추천시스템은 단일 알고리즘만을 사용하는 경우는 드물고 주로 두 가지 이상의 알고리즘을 혼합해서 사용하는 hybrid model 형태가 많다. 이를 통해서 추천 정확도를 보다 향상시킬 수 있다. 

 

 아마존의 경우 수백 개의 알고리즘을 동시에 사용한다. 예를 들어, 데이터가 충분하지 않은 사용자는 best-seller, 충분한 사용자에게는 CF를 사용할 수 있다. 

 

 일반적으로 A, B모델 중에서 A모델의 성능이 좋게 나타날 떄, 이 두개의 모델을 결합하면 성능이 떨어진다고 생각할 수 있다. 하지만 실제로 서로 다른 모델을 함께 사용하면 오버피팅이 감소하기 때문에 성능이 계선된다. 

(두 모델을 결합한다는 것은 예측한 개별 Rating들을 결합한다는 의미이다. 즉, 각 모델의 전체 RMSE를 단순 가중평균 하는 것과는 다른 의미이다) 

 

 

✅ Hybrid 모델의 형태 

① 복수의 추천엔진의 예상 rating을 값을 합치는 경우 (MF, CF 처럼 rating을 구하는 경우)

 

② 복수의 추천 알고리즘의 추쳔 리스트를 합치는 경우 (CB 처럼 리스트를 출력하는 경우)

 

③ 한 추천 엔진으로 후보를 추리고, 다른 추천엔진으로 이들의 예상 rating을 구해서 순서를 제시 

 

dummy engine 사용 : hybrid1.py

 

cf + mf : hybrid2.py 

 

mf + dl : hybrid3.py

 

 

---

◈ 큰 제목  

✅ 중간 제목 

✔ 체크 사항  

 

• 설명 

•

 

 

 

---

◈ Reference