사용자별 상품에 대한 평점을 원소로 가지는 행렬데이터를 생각
평점을 주지 않거나 구매하지 않은 경우에 대해서는 원소가 비어있다.
주어진 데이터를 적절한 비율의 훈련데이터와 평가데이터로 나누고
평가데이터는 추천시스템 모형을 만드는데 사용하지 않는다. 주어지지 않았다고 가정하자.
훈련 데이터를 이용해 만든 추천 시스템으로 평가 데이터의 빈 곳을 추정함
실제 평가데이터와 추정된 평가데이터를 비교하여 모형의 성능을 평가
비교하는 지표로는 MSE,RMSE부터 여러가지를 사용함
추정한 평점으로 순위를 매긴 후 실제 평점으로 매긴 순위와의 상관계수
추천한 상품 중 실제 구매로 이루어진 것의 비율
추천의 순서나 다양성까지 고려한 여러 지표들
728x90
'딥러닝 > recommendation system' 카테고리의 다른 글
| 시간에 따른 편향을 고려한 latent factor model (0) | 2024.07.19 |
|---|---|
| 사용자와 상품의 편향을 고려한 latent factor model (0) | 2024.07.17 |
| latent factor model for recommendation system (0) | 2024.07.16 |
| 추천시스템 기본이론2 -collaborative filtering- (0) | 2022.11.10 |
| 추천시스템 기본이론1 -content based recommendation- (0) | 2022.11.10 |