밑바닥부터 시작하는 trivago 추천시스템
: '수백만개의 호텔 중에서 나한테 왜 이 호텔을 추천해준 거지?'
내 화면에 보이는 호텔은 수백만개의 호텔 중 아주 일부란 사실 알고 계신가요?
데이터 관심 있는 사람이라면 한 번쯤 궁금했을 추천 시스템!
Trivago의 실제 로그 데이터를 가지고 직접 밑바닥부터 구현해 보았습니다.
그리고 직접 만든 추천 시스템 시연까지!
이제는 "뭘 좋아할지 몰라서 다 준비"하지 않아도 돼요.
왜냐하면 우린 당신이 좋아할 것을 알고 있거든요.
일상이 된 추천 서비스들, 이제는 알고 이용해봐요!
11기 신승진 박보정 박효선 위승민
[국내 최초 빅데이터 연합동아리 BOAZ]
유튜브 - https://www.youtube.com/channel/UCSniI26A56n2QZ71opJtTUg
페이스북 - https://www.facebook.com/BOAZbigdata
인스타그램 - http://www.instagram.com/boaz_bigdata
블로그 - https://blog.naver.com/boazbigdata
코끼리(BOAZ) 사서의 도서 추천 솔루션
: 이 책 내용이 내 취향인데, 비슷한 내용의 책은 어떻게 찾지?’
줄거리를 바탕으로 책을 고르시는 분, 관심 작가의 책을 읽고 싶은 분들께
코끼리 사서가 취향저격 책을 제안해 드립니다.
12기 강호석 고은비 고은지 양태일 이지인 전준수 정해원
[국내 최초 빅데이터 연합동아리 BOAZ]
유튜브 - https://www.youtube.com/channel/UCSniI26A56n2QZ71opJtTUg
페이스북 - https://www.facebook.com/BOAZbigdata
인스타그램 - http://www.instagram.com/boaz_bigdata
블로그 - https://blog.naver.com/boazbigdata
제 16회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [코끼리책방 팀] : 사용자 스크랩 내용 기반 도서 추천 BOAZ Bigdata
데이터 분석 프로젝트를 진행한 코끼리책방 팀에서는 아래와 같은 프로젝트를 진행했습니다.
사용자 스크랩 내용 기반 도서 추천
16기 이지혜 이화여자대학교 컴퓨터공학과
17기 권예은 한국항공대학교 컴퓨터공학과
17기 변강준 동국대학교 산업시스템공학과
17기 이현지 이화여자대학교 통계학과
17기 홍지원 국민대학교 AI빅데이터융합경영학과
제 15회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [YouPlace 팀] : 카프카와 스파크를 활용한 유튜브 영상 속 제주 명소 검색 BOAZ Bigdata
데이터 엔지니어링 프로젝트를 진행한 YouPlace팀에서는 아래와 같은 프로젝트를 진행했습니다.
<aside>
이젠 검색도 유튜브 시대
제주여행을 계획할 때 브이로그 영상을 많이 참고하실텐데요
수많은 영상들과 영상 속 분산된 명소들을 하나 하나 찾으려 생각하면 막막하지 않으셨나요?
이러한 고민을 갖고 계신 분들을 위해, 유튜브 브이로거들이 찾아간 여행 명소들을 지도에서 한 눈에 파악할 수 있도록 만들었어요
(github : https://github.com/Boaz-Youplace)
16기 엔지니어링 고은서 | 중앙대학교 소프트웨어학부
16기 엔지니어링 류정화 | 성신여자대학교 융합보안공학과
16기 엔지니어링 송경민 | 국민대학교 소프트웨어학과
제 15회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [리뷰의 재발견 팀] : 이커머스 리뷰 유용성 파악 및 필터링BOAZ Bigdata
데이터 분석 프로젝트를 진행한 리뷰의 재발견 팀에서는 아래와 같은 프로젝트를 진행했습다.
Review? Re-View!
물건 살 때 우리는 리뷰를 보며 많은 정보를 얻습니다❕여러분이 보는 그 리뷰의 유용성을 저희가 알려드릴게요
리뷰 유용성 판단부터 토픽으로 알아보는 리뷰 유용성 결정 요인 분석, 군집화를 통한 대표 리뷰 추출까지
우리 같이 Review를 Re-View해봐요
16기 정수연 한양대 파이낸스경영학과
16기 문예진 서강대 경제학부 / 빅데이터 사이언스
16기 이상민 경희대 소프트웨어융합학과
16기 황의린 숙명여대 생명시스템학부 / 통계학과
16기 정승연 연세대 대학원 전산언어학
코끼리(BOAZ) 사서의 도서 추천 솔루션
: 이 책 내용이 내 취향인데, 비슷한 내용의 책은 어떻게 찾지?’
줄거리를 바탕으로 책을 고르시는 분, 관심 작가의 책을 읽고 싶은 분들께
코끼리 사서가 취향저격 책을 제안해 드립니다.
12기 강호석 고은비 고은지 양태일 이지인 전준수 정해원
[국내 최초 빅데이터 연합동아리 BOAZ]
유튜브 - https://www.youtube.com/channel/UCSniI26A56n2QZ71opJtTUg
페이스북 - https://www.facebook.com/BOAZbigdata
인스타그램 - http://www.instagram.com/boaz_bigdata
블로그 - https://blog.naver.com/boazbigdata
제 16회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [코끼리책방 팀] : 사용자 스크랩 내용 기반 도서 추천 BOAZ Bigdata
데이터 분석 프로젝트를 진행한 코끼리책방 팀에서는 아래와 같은 프로젝트를 진행했습니다.
사용자 스크랩 내용 기반 도서 추천
16기 이지혜 이화여자대학교 컴퓨터공학과
17기 권예은 한국항공대학교 컴퓨터공학과
17기 변강준 동국대학교 산업시스템공학과
17기 이현지 이화여자대학교 통계학과
17기 홍지원 국민대학교 AI빅데이터융합경영학과
제 15회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [YouPlace 팀] : 카프카와 스파크를 활용한 유튜브 영상 속 제주 명소 검색 BOAZ Bigdata
데이터 엔지니어링 프로젝트를 진행한 YouPlace팀에서는 아래와 같은 프로젝트를 진행했습니다.
<aside>
이젠 검색도 유튜브 시대
제주여행을 계획할 때 브이로그 영상을 많이 참고하실텐데요
수많은 영상들과 영상 속 분산된 명소들을 하나 하나 찾으려 생각하면 막막하지 않으셨나요?
이러한 고민을 갖고 계신 분들을 위해, 유튜브 브이로거들이 찾아간 여행 명소들을 지도에서 한 눈에 파악할 수 있도록 만들었어요
(github : https://github.com/Boaz-Youplace)
16기 엔지니어링 고은서 | 중앙대학교 소프트웨어학부
16기 엔지니어링 류정화 | 성신여자대학교 융합보안공학과
16기 엔지니어링 송경민 | 국민대학교 소프트웨어학과
제 15회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [리뷰의 재발견 팀] : 이커머스 리뷰 유용성 파악 및 필터링BOAZ Bigdata
데이터 분석 프로젝트를 진행한 리뷰의 재발견 팀에서는 아래와 같은 프로젝트를 진행했습다.
Review? Re-View!
물건 살 때 우리는 리뷰를 보며 많은 정보를 얻습니다❕여러분이 보는 그 리뷰의 유용성을 저희가 알려드릴게요
리뷰 유용성 판단부터 토픽으로 알아보는 리뷰 유용성 결정 요인 분석, 군집화를 통한 대표 리뷰 추출까지
우리 같이 Review를 Re-View해봐요
16기 정수연 한양대 파이낸스경영학과
16기 문예진 서강대 경제학부 / 빅데이터 사이언스
16기 이상민 경희대 소프트웨어융합학과
16기 황의린 숙명여대 생명시스템학부 / 통계학과
16기 정승연 연세대 대학원 전산언어학
제 16회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [Secret X 팀] : XAI를 활용한 수능 영어영역 문제풀이BOAZ Bigdata
데이터 분석 프로젝트를 진행한 Secret X 팀에서는 아래와 같은 프로젝트를 진행했습니다.
비밀집단에서는 영어 문제를 풀고 XAI를 이용해 이를 해설합니다.
17기 권강미 연세대학교 문헌정보학과
17기 김지수 고려대학교 통계학과
17기 이수경 성균관대학교 데이터사이언스전공
제 15회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [MarketIN팀] : 디지털 마케팅 헬스체킹 서비스BOAZ Bigdata
데이터 시각화 프로젝트를 진행한 MarketIN팀에서는 아래와 같은 프로젝트를 진행했습니다.
- 작은 가게를 운영하는 경우부터 온라인 쇼핑몰까지 비즈니스 운영 과정에선 수많은 의사 결정이 필요합니다. 데이터를 대시보드 템플릿에 연결하여 질문에 대한 답을 한눈에 찾을 수 있습니다.
- 마켓인을 통해 데이터 기반 비즈니스를 경험해보세요.
16기 강민주 (서울과학기술대학교 산업정보시스템전공)
16기 김서연 (숙명여자대학교 홍보광고학과)
16기 오지원 (세종대학교 경영학과)
16기 윤해림 (세종대학교 경영학과)
16기 임성아 (세종대학교 경영학과)
16기 한주리 (고려대학교 사회학과)
제 15회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [쇼미더뮤직 팀] : 텍스트 감정추출을 통한 노래 추천BOAZ Bigdata
데이터 분석 프로젝트를 짆애한 쇼미더뮤직 팀에서는 아래와 같은 프로젝트를 진행했습니다.
내 하루의 감정을 통해 노래를 추천받을 수 있다면 얼마나 좋을까?
자연어처리와 추천시스템 기법의 collaboration..
여러분의 감정을 추출하고, 어울리는 노래를 추천해드립니다.
**쇼미더뮤직!**
16기 김양경 건국대학교 기술경영학과
15기 김은선 세종대학교 데이터사이언스학과
16기 유수빈 동덕여자대학교 정보통계학과
16기 이상민 경희대학교 소프트웨어융합학과
16기 조하늘 동덕여자대학교 국제경영학과, 정보통계학과
16기 최 리 건국대학교 응용통계학과
제 16회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [BAOBAB 팀] : 반려동물 미용업 모바일 서비스 분석BOAZ Bigdata
데이터 시각화 프로젝트를 진행한 BAOBAB 팀에서는 아래와 같은 프로젝트를 진행했습니다.
반려동물 미용업 모바일 서비스 분석
17기 강지민 숙명여자대학교 통계학과
17기 김나연 고려대학교 통계학과
17기 김지윤 성신여자대학교 융합보안공학과
17기 박이정 인하대학교 경영학과
17기 이세영 동덕여자대학교 국제경영/정보통계학과
제 17회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [나만 없어 범고래] : 스니커즈 중심의 리셀 시장 및 플랫폼 KREAM 분석BOAZ Bigdata
데이터 시각화 프로젝트를 진행한 '나만 없어 범고래' 팀에서는 아래와 같은 프로젝트를 진행했습니다.
스니커즈를 중심으로 현재 리셀 트렌드와 리셀 플랫폼 KREAM 을 분석하고, 기업, 서비스 등을 비교해주는 대시보드를 만들었습니다.
18기 강채현 고려대학교 산업경영공학부
17기 김민채 한국외국어대학교 스페인어과
17기 이서영 이화여자대학교 통계학과
18기 백은수 인하대학교 경영학과
18기 이해림 동덕여자대학교 정보통계학과
제 15회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [Find Your Style 팀] : 사용자 이미지 라벨링을 통한 의류 추천 시스템BOAZ Bigdata
데이터 분석 프로젝트를 진행한 Find Your Style 팀에서는 사용자가 좋아하는 룩의 사진을 올리면 이에 맞는 스타일을 찾아 어울리는 여성 패션 상품을 추천해주는 프로젝트를 진행했습니다.
16기 강하영 동덕여자대학교 정보통계학과
16기 김지수 성신여자대학교 통계학과
16기 남유지 숙명여자대학교 컴퓨터과학전공
15기 김희현 성균관대학교 데이터사이언스융합전공
16기 박은지 숙명여자대학교 소비자경제학과
제 17회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [Catch, Traffic!] : 지하철 혼잡도 및 키워드 분석 데이터 파이프라인 구축BOAZ Bigdata
데이터 엔지니어링 프로젝트를 진행한 Catch, Traffic! 팀에서는 아래와 같은 프로젝트를 진행했습니다.
수도권 교통의 혼잡성을 해결하기 위한 방안을 찾는 데이터 파이프라인 구축
18기 김인섭 숭실대학교 산업정보시스템공학과
18기 김재민 국민대학교 AI빅데이터융합경영학과
18기 서은유 동덕여자대학교 정보통계학과
18기 윤정원 숙명여자대학교 소프트웨어융합전공
18기 이현진 서울과학기술대학교 산업정보시스템전공
18기 조은학 명지대학교 융합소프트웨어학부
제 15회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [Cm:)e팀] : 이커머스 고객경험 관리 분석BOAZ Bigdata
시각화 프로젝트를 진행한 Cm:)e팀에서는 고객의 입장에서 고객이 원하는 방식으로 소통할 수 있도록 기존 고객 관리 방식의 터치포인트에 관한 분석과 고객의 소리를 함께 분석할 수 있는 통합 대시보드를 구상했습니다.
16기 김수민 숙명여자대학교 경영학부
16기 김정아 고려대학교 통계학과
16기 이지혜 숙명여자대학교 소비자경제학과
14기 유가연 한양대학교 관광학부 빅데이터 융합 전공
16기 전유정 세종대학교 호텔관광경영학과
데이터 시각화 프로젝트를 진행한 보아져 팀에서는 아래와 같은 프로젝트를 진행했습니다.
에듀테크 기업 바이브온과 함께한 세가지 프로젝트 모음집. 바이브온의 모든 데이터를 기반으로 한 인사이트 도출 과정이 나타난 [Marketing Analysis], 이용자들에게 효과적인 서비스를 제공하기 위한 시각화 서비스 기획안인 [타 생기부 분석 100% 활용하기], 시각화를 넘어 NLP를 통해 선생님의 생기부 작성을 돕는 [Vital-On] 세가지 프로젝트로 이루어져있다.
15기 박대희 이화여자대학교 통계학과
17기 김태현 이화여자대학교 경제학과
17시 박지운 이화여자대학교 통계학과
17기 이수경 성균관대학교 데이터사이언스학과
17기 이한울 고려대학교 사회학과
17기 이준희 고려대학교 통계학과
제 16회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [기린그림 팀] : 사용자의 손글씨가 담긴 그림 일기 생성 서비스BOAZ Bigdata
데이터 분석 프로젝트를 진행한 기린그림 팀에서는 아래와 같은 프로젝트를 진행했습니다.
기린그림 팀은 사용자의 글씨체를 학습하여 나만의 폰트로 일기를 쓰고, 사진을 업로드 하면 직접 그림을 그린 것처럼 변환하여 그림일기를 쓸 수 있도록 하는 프로젝트를 진행 했습니다.
16기 김유진 이화여자대학교 과학교육과
17기 김송성 고려대학교 통계학과
17기 박종은 연세대학교 언더우드국제학부
17기 여해인 동덕여자대학교 컴퓨터학과
17기 이보림 중앙대학교 소프트웨어학부
제 15회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [개미야 뭐하니?팀] : 투자자의 반응을 이용한 실시간 등락 예측(feat. 카프카)BOAZ Bigdata
데이터 엔지니어링 프로젝트를 진행한 개미야 뭐하니? 팀에서는 아래와 같은 프로젝트를 진행했습니다.
[Web 발신] 5분 후, 당신이 투자한 주식이 떨어집니다!
실시간으로 내 주식의 등락을 알려주는 ai가 있다?
이것만 있으면 나도 주린이 탈출
개미와 함께하는 최적의 매도 매수 타이밍
지금 이 순간, 내 주식의 미래를 볼 수 있다
(신청: https://github.com/jayleenym/AYOA)
16기 강지수 동덕여자대학교 정보통계학과
16기 김서민 숙명여자대학교 컴퓨터과학과
16기 김윤기 한양대학교 대학원 컴퓨터소프트웨어학과
16기 문예진 서강대학교 경제학과 / 빅데이터 사이언스
제 17회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [ztyle] : 손그림 의류 검색 서비스BOAZ Bigdata
데이터 분석 프로젝트를 진행한 ztyle 팀에서는 아래와 같은 프로젝트를 진행했습니다.
손그림 의류 검색 서비스
18기 조현정 고려대학교 일반대학원 통계학과
18기 김혜연 고려대학교 통계학과
18기 최유진 숙명여자대학교 소비자경제학과
18기 한상범 경기대학교 컴퓨터공학부
제 18회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [보아酒] : 리뷰 감정분석을 통한 전통주 추천 서비스BOAZ Bigdata
데이터 분석 프로젝트를 진행한 보아酒 팀에서는 아래와 같은 프로젝트를 진행했습니다.
리뷰 감정분석을 통한 전통주 추천 서비스
19기 정은진 한양대학교 ERICA 정보사회미디어학과
19기 강하연 명지대학교 경영정보학과
19기 고건호 고려대학교 통계학과
19기 김진재 중앙대학교 응용통계학과
19기 박상윤 가천대학교 경영학부(글로벌경영학)
데이터 엔지니어링 프로젝트를 진행한 로깅줍깅 팀에서는 로그 데이터를 수집 및 처리하는 파이프라인을 만들어 각각의 단계에서 일어날 수 있는 상황에 대한 실험을 진행했습니다.
16기 엔지니어링 강하영 동덕여자대학교 정보통계학과
16기 엔지니어링 임태빈 상명대학교 컴퓨터과학과
16기 엔지니어링 지유리 숙명여자대학교 소프트웨어융합학과
제 16회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [Secret X 팀] : XAI를 활용한 수능 영어영역 문제풀이BOAZ Bigdata
데이터 분석 프로젝트를 진행한 Secret X 팀에서는 아래와 같은 프로젝트를 진행했습니다.
비밀집단에서는 영어 문제를 풀고 XAI를 이용해 이를 해설합니다.
17기 권강미 연세대학교 문헌정보학과
17기 김지수 고려대학교 통계학과
17기 이수경 성균관대학교 데이터사이언스전공
제 15회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [MarketIN팀] : 디지털 마케팅 헬스체킹 서비스BOAZ Bigdata
데이터 시각화 프로젝트를 진행한 MarketIN팀에서는 아래와 같은 프로젝트를 진행했습니다.
- 작은 가게를 운영하는 경우부터 온라인 쇼핑몰까지 비즈니스 운영 과정에선 수많은 의사 결정이 필요합니다. 데이터를 대시보드 템플릿에 연결하여 질문에 대한 답을 한눈에 찾을 수 있습니다.
- 마켓인을 통해 데이터 기반 비즈니스를 경험해보세요.
16기 강민주 (서울과학기술대학교 산업정보시스템전공)
16기 김서연 (숙명여자대학교 홍보광고학과)
16기 오지원 (세종대학교 경영학과)
16기 윤해림 (세종대학교 경영학과)
16기 임성아 (세종대학교 경영학과)
16기 한주리 (고려대학교 사회학과)
제 15회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [쇼미더뮤직 팀] : 텍스트 감정추출을 통한 노래 추천BOAZ Bigdata
데이터 분석 프로젝트를 짆애한 쇼미더뮤직 팀에서는 아래와 같은 프로젝트를 진행했습니다.
내 하루의 감정을 통해 노래를 추천받을 수 있다면 얼마나 좋을까?
자연어처리와 추천시스템 기법의 collaboration..
여러분의 감정을 추출하고, 어울리는 노래를 추천해드립니다.
**쇼미더뮤직!**
16기 김양경 건국대학교 기술경영학과
15기 김은선 세종대학교 데이터사이언스학과
16기 유수빈 동덕여자대학교 정보통계학과
16기 이상민 경희대학교 소프트웨어융합학과
16기 조하늘 동덕여자대학교 국제경영학과, 정보통계학과
16기 최 리 건국대학교 응용통계학과
제 16회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [BAOBAB 팀] : 반려동물 미용업 모바일 서비스 분석BOAZ Bigdata
데이터 시각화 프로젝트를 진행한 BAOBAB 팀에서는 아래와 같은 프로젝트를 진행했습니다.
반려동물 미용업 모바일 서비스 분석
17기 강지민 숙명여자대학교 통계학과
17기 김나연 고려대학교 통계학과
17기 김지윤 성신여자대학교 융합보안공학과
17기 박이정 인하대학교 경영학과
17기 이세영 동덕여자대학교 국제경영/정보통계학과
제 17회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [나만 없어 범고래] : 스니커즈 중심의 리셀 시장 및 플랫폼 KREAM 분석BOAZ Bigdata
데이터 시각화 프로젝트를 진행한 '나만 없어 범고래' 팀에서는 아래와 같은 프로젝트를 진행했습니다.
스니커즈를 중심으로 현재 리셀 트렌드와 리셀 플랫폼 KREAM 을 분석하고, 기업, 서비스 등을 비교해주는 대시보드를 만들었습니다.
18기 강채현 고려대학교 산업경영공학부
17기 김민채 한국외국어대학교 스페인어과
17기 이서영 이화여자대학교 통계학과
18기 백은수 인하대학교 경영학과
18기 이해림 동덕여자대학교 정보통계학과
제 15회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [Find Your Style 팀] : 사용자 이미지 라벨링을 통한 의류 추천 시스템BOAZ Bigdata
데이터 분석 프로젝트를 진행한 Find Your Style 팀에서는 사용자가 좋아하는 룩의 사진을 올리면 이에 맞는 스타일을 찾아 어울리는 여성 패션 상품을 추천해주는 프로젝트를 진행했습니다.
16기 강하영 동덕여자대학교 정보통계학과
16기 김지수 성신여자대학교 통계학과
16기 남유지 숙명여자대학교 컴퓨터과학전공
15기 김희현 성균관대학교 데이터사이언스융합전공
16기 박은지 숙명여자대학교 소비자경제학과
제 17회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [Catch, Traffic!] : 지하철 혼잡도 및 키워드 분석 데이터 파이프라인 구축BOAZ Bigdata
데이터 엔지니어링 프로젝트를 진행한 Catch, Traffic! 팀에서는 아래와 같은 프로젝트를 진행했습니다.
수도권 교통의 혼잡성을 해결하기 위한 방안을 찾는 데이터 파이프라인 구축
18기 김인섭 숭실대학교 산업정보시스템공학과
18기 김재민 국민대학교 AI빅데이터융합경영학과
18기 서은유 동덕여자대학교 정보통계학과
18기 윤정원 숙명여자대학교 소프트웨어융합전공
18기 이현진 서울과학기술대학교 산업정보시스템전공
18기 조은학 명지대학교 융합소프트웨어학부
제 15회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [Cm:)e팀] : 이커머스 고객경험 관리 분석BOAZ Bigdata
시각화 프로젝트를 진행한 Cm:)e팀에서는 고객의 입장에서 고객이 원하는 방식으로 소통할 수 있도록 기존 고객 관리 방식의 터치포인트에 관한 분석과 고객의 소리를 함께 분석할 수 있는 통합 대시보드를 구상했습니다.
16기 김수민 숙명여자대학교 경영학부
16기 김정아 고려대학교 통계학과
16기 이지혜 숙명여자대학교 소비자경제학과
14기 유가연 한양대학교 관광학부 빅데이터 융합 전공
16기 전유정 세종대학교 호텔관광경영학과
데이터 시각화 프로젝트를 진행한 보아져 팀에서는 아래와 같은 프로젝트를 진행했습니다.
에듀테크 기업 바이브온과 함께한 세가지 프로젝트 모음집. 바이브온의 모든 데이터를 기반으로 한 인사이트 도출 과정이 나타난 [Marketing Analysis], 이용자들에게 효과적인 서비스를 제공하기 위한 시각화 서비스 기획안인 [타 생기부 분석 100% 활용하기], 시각화를 넘어 NLP를 통해 선생님의 생기부 작성을 돕는 [Vital-On] 세가지 프로젝트로 이루어져있다.
15기 박대희 이화여자대학교 통계학과
17기 김태현 이화여자대학교 경제학과
17시 박지운 이화여자대학교 통계학과
17기 이수경 성균관대학교 데이터사이언스학과
17기 이한울 고려대학교 사회학과
17기 이준희 고려대학교 통계학과
제 16회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [기린그림 팀] : 사용자의 손글씨가 담긴 그림 일기 생성 서비스BOAZ Bigdata
데이터 분석 프로젝트를 진행한 기린그림 팀에서는 아래와 같은 프로젝트를 진행했습니다.
기린그림 팀은 사용자의 글씨체를 학습하여 나만의 폰트로 일기를 쓰고, 사진을 업로드 하면 직접 그림을 그린 것처럼 변환하여 그림일기를 쓸 수 있도록 하는 프로젝트를 진행 했습니다.
16기 김유진 이화여자대학교 과학교육과
17기 김송성 고려대학교 통계학과
17기 박종은 연세대학교 언더우드국제학부
17기 여해인 동덕여자대학교 컴퓨터학과
17기 이보림 중앙대학교 소프트웨어학부
제 15회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [개미야 뭐하니?팀] : 투자자의 반응을 이용한 실시간 등락 예측(feat. 카프카)BOAZ Bigdata
데이터 엔지니어링 프로젝트를 진행한 개미야 뭐하니? 팀에서는 아래와 같은 프로젝트를 진행했습니다.
[Web 발신] 5분 후, 당신이 투자한 주식이 떨어집니다!
실시간으로 내 주식의 등락을 알려주는 ai가 있다?
이것만 있으면 나도 주린이 탈출
개미와 함께하는 최적의 매도 매수 타이밍
지금 이 순간, 내 주식의 미래를 볼 수 있다
(신청: https://github.com/jayleenym/AYOA)
16기 강지수 동덕여자대학교 정보통계학과
16기 김서민 숙명여자대학교 컴퓨터과학과
16기 김윤기 한양대학교 대학원 컴퓨터소프트웨어학과
16기 문예진 서강대학교 경제학과 / 빅데이터 사이언스
제 17회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [ztyle] : 손그림 의류 검색 서비스BOAZ Bigdata
데이터 분석 프로젝트를 진행한 ztyle 팀에서는 아래와 같은 프로젝트를 진행했습니다.
손그림 의류 검색 서비스
18기 조현정 고려대학교 일반대학원 통계학과
18기 김혜연 고려대학교 통계학과
18기 최유진 숙명여자대학교 소비자경제학과
18기 한상범 경기대학교 컴퓨터공학부
제 18회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [보아酒] : 리뷰 감정분석을 통한 전통주 추천 서비스BOAZ Bigdata
데이터 분석 프로젝트를 진행한 보아酒 팀에서는 아래와 같은 프로젝트를 진행했습니다.
리뷰 감정분석을 통한 전통주 추천 서비스
19기 정은진 한양대학교 ERICA 정보사회미디어학과
19기 강하연 명지대학교 경영정보학과
19기 고건호 고려대학교 통계학과
19기 김진재 중앙대학교 응용통계학과
19기 박상윤 가천대학교 경영학부(글로벌경영학)
데이터 엔지니어링 프로젝트를 진행한 로깅줍깅 팀에서는 로그 데이터를 수집 및 처리하는 파이프라인을 만들어 각각의 단계에서 일어날 수 있는 상황에 대한 실험을 진행했습니다.
16기 엔지니어링 강하영 동덕여자대학교 정보통계학과
16기 엔지니어링 임태빈 상명대학교 컴퓨터과학과
16기 엔지니어링 지유리 숙명여자대학교 소프트웨어융합학과
새로운 검색기술 방향을 제안하기 위해 수집한 자료와 그에 대한 개인적인 아이디어들을 정리한 자료입니다.
2008년에 제안을 했었는데 받아들여지지 않았습니다. 그렇지만 요즘의 검색 및 웹서비스의 트렌드와 비슷하게 맞아떨어지는 부분들이 있습니다. 결국 수만가지의 아이디어는 기본을 바탕으로 어떻게 조합하고 배치하느냐에 있고, 수많은 제안 중에 살아남는 어떤 하나가 주목받는 것임을 깨달았습니다. 과거의 것이라고 버리지 말고 요즘 트렌드와 비교 검토해서 보다 나은 아이디어를 내놓아야 합니다.
제 19회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [COLLABO-AZ] : 고객 세그멘테이션 기반 개인 맞춤형 추천시스템 for 루빗BOAZ Bigdata
데이터 분석 프로젝트를 진행한 COLLABO-AZ 팀에서는 아래와 같은 프로젝트를 진행했습니다.
고객 세그멘테이션 기반 개인 맞춤형 추천시스템 for 루빗
20기 정지혜 이화여자대학교 통계학과
20기 김지민 중앙대학교 응용통계학과
20기 오태연 단국대학교 정보통계학과
20기 최은선 한양대학교 에리카캠퍼스 정보사회미디어학과
Course Overview:
This course offers a comprehensive exploration of recommender systems, focusing on both theoretical foundations and practical applications. Through a combination of lectures, hands-on exercises, and real-world case studies, you will gain a deep understanding of the key principles, methodologies, and evaluation techniques that drive effective recommendation algorithms.
Course Objectives:
Acquire a solid understanding of recommender systems, including their significance and impact in various domains.
Explore different types of recommendation algorithms, such as collaborative filtering, content-based filtering, and hybrid approaches.
Study cutting-edge techniques, including deep learning, matrix factorization, and graph-based methods, for enhanced recommendation accuracy.
Gain hands-on experience with popular recommendation frameworks and libraries, and learn how to implement and evaluate recommendation models.
Investigate advanced topics in recommender systems, such as fairness, diversity, and explainability, and their ethical implications.
Analyze and discuss real-world case studies and research papers to gain insights into the challenges and future directions of recommender systems.
Course Structure:
Introduction to Recommender Systems
Collaborative Filtering Techniques
Content-Based Filtering and Hybrid Approaches
Matrix Factorization Methods
Deep Learning for Recommender Systems
Graph-Based Recommendation Approaches
Evaluation Metrics and Experimental Design
Ethical Considerations in Recommender Systems
Fairness, Diversity, and Explainability in Recommendations
Case Studies and Research Trends
Course Delivery:
The course will be delivered through a combination of lectures, interactive discussions, hands-on coding exercises, and group projects. You will have access to state-of-the-art resources, including relevant research papers, datasets, and software tools, to enhance your learning experience.
SKPlanet 추천 플랫폼 콜로세오 - SK ICT Tech Summit 2017 SKPlanet 추천 플랫폼 콜로세오 - SK IC...Jaehoon Jung
SK ICT Tech Summit 2017 빅데이터 세션에서 발표한
SK Planet 추천 플랫폼 콜로세오 내용을 공유합니다.
추천 로직과 관련된 내용이 아닌
추천서비스 측면에서 추천 플랫폼의 역할에 대해서 기본적인 내용들을 설명 했습니다.
Recopick 부터 콜로세오까지 5년 가까이 추천 서비스를 개발/운영하면서 생각해본 기본 적인 내용들로 구성되어 있습니다.
마지막 장 3줄 요약 있습니다. :)
ITS 4차 메인 세미나_알고리즘(배은정, 김용겸, 김성수, 정민영, 유재현)
왓챠(Watcha) 알고리즘 분석(15.11.06)
고려대학교 정보기술경영학회 : ITS
Web: http://itsociety.co.kr/
Mail: president@itsociety.co.kr
"Be careful: things can be worse than they appear": Understanding Biased Algo...skkang0617
호텔 평가 사이트의 평가 점수가 내가 생각한 점수와 다른 경우, 이러한 순위 평가는 어떻게 계산된 걸까요?
순위 평가 알고리즘에서 나타나는 결과값이 '공정하지 않은 결과'임은 어떻게 알아챌 수 있을까요? 편향된 알고리즘의 순위 평가에 대한 사용자들의 인식과 대응 행동을 다룬 논문입니다
제 19회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [백발백준] : 백준봇 : 컨테이너 오케스트레이션 기반 백준 문제 추천 봇BOAZ Bigdata
데이터 엔지니어링 프로젝트를 진행한 백발백준 팀에서는 아래와 같은 프로젝트를 진행했습니다.
백준봇 : 컨테이너 오케스트레이션 기반 백준 문제 추천 봇
20기 유하준 한국외국어대학교 산업공학과
20기 안지완 중앙대학교 소프트웨어학과
20기 정태형 경기대학교 응용통계학과
20기 최윤서 숙명여자대학교 일반대학원 통계학과
제 19회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [무드등] : 무신사를 활용한 고객 상황에 따른 의류 추천 스타일링 대시보드BOAZ Bigdata
데이터 시각화 프로젝트를 진행한 무드등 팀에서는 아래와 같은 프로젝트를 진행했습니다.
무신사를 활용한 고객 상황에 따른 의류 추천 스타일링 대시보드
20기 이호림 숙명여자대학교 경영학부
20기 노승혜 숙명여자대학교 소비자경제학과
20기 정다인 성신여자대학교 통계학과
20기 홍나연 숭실대학교 정보통계보험수리학과
제 19회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [섬유유연제] : 어글리us! 스마일 Earth! : NLP 기반 프로젝트와 비즈니스 대시보드BOAZ Bigdata
데이터 시각화 프로젝트를 진행한 섬유유연제 팀에서는 아래와 같은 프로젝트를 진행했습니다.
어글리us! 스마일 Earth! : NLP 기반 프로젝트와 비즈니스 대시보드
20기 정강민 세종대학교 경영학과
20기 김기수 광운대학교 데이터사이언스전공
20기 김세연 이화여자대학교 기후에너지시스템공학전공
20기 윤여빈 성신여자대학교 수리통계데이터사이언스학부
제 19회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [SPOAZ] : Spotify 기반 개인화 음악 추천 서비스 프로젝트BOAZ Bigdata
데이터 엔지니어링 프로젝트를 진행한 SPOAZ 팀에서는 아래와 같은 프로젝트를 진행했습니다.
Spotify 기반 개인화 음악 추천 서비스 프로젝트
20기 이해현 서울여자대학교 소프트웨어융합학과
20기 안소유 서울여자대학교 소프트웨어융합학과
20기 임혁 중앙대학교 응용통계학과
제 19회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [다함께 레벨업!] : 학식 예약 서비스 yammi CRM 대시보드BOAZ Bigdata
데이터 시각화 프로젝트를 진행한 다함께 레벨업! 팀에서는 아래와 같은 프로젝트를 진행했습니다.
학식 예약 서비스 yammi CRM 대시보드
20기 조성배 중앙대학교 공공인재학부
20기 김윤지 숙명여자대학교 경영학부
20기 김지연 연세대학교 심리학과
20기 한은빈 세종대학교 경영학부
제 19회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [HAUL의 움직이는 리포트] : 투자성향 기반 주식 추천 및 기업 정보 제공 대시보드BOAZ Bigdata
데이터 시각화 프로젝트를 진행한 HAUL의 움직이는 리포트 팀에서는 아래와 같은 프로젝트를 진행했습니다.
투자성향 기반 주식 추천 및 기업 정보 제공 대시보드
20기 이준희 건국대학교 응용통계학과
20기 김지후 고려대학교 통계학과
19기 김청환 건국대학교 응용통계학과
19기 백지영 한양대학교 경영대학원 비즈니스인포매틱스학과
제 19회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [BEARS] : 이미지 캡셔닝을 통한 이모지 추천 및 해시태그 생성BOAZ Bigdata
데이터 분석 프로젝트를 진행한 BEARS 팀에서는 아래와 같은 프로젝트를 진행했습니다.
이미지 캡셔닝을 통한 이모지 추천 및 해시태그 생성
20기 최영우 인하대학교 중국학과
20기 김주은 성신여자대학교 정보시스템공학과
20기 이시내 한국외국어대학교 바이오메디컬공학과
18기 전혜주 숙명여자대학교 독일언어문화학과
제 19회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [낭만젊음사람] : UDA를 통한 중환자실 급성 호흡곤란 증후군 조기 예측BOAZ Bigdata
데이터 분석 프로젝트를 진행한 낭만젊음사람 팀에서는 아래와 같은 프로젝트를 진행했습니다.
UDA를 통한 중환자실 급성 호흡곤란 증후군 조기 예측
20기 서동혁 국민대학교 AI빅데이터융합경영학과
20기 권정을 명지대학교 산업경영공학과
20기 정재원 숙명여자대학교 통계학과
20기 황재성 세종대학교 데이터사이언스학과
제 19회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [레시피를 보아즈] : 영수증 인식 및 대화를 통한 재료 기반 레시피 추천 챗봇BOAZ Bigdata
데이터 분석 프로젝트를 진행한 레시피를 보아즈 팀에서는 아래와 같은 프로젝트를 진행했습니다.
영수증 인식 및 대화를 통한 재료 기반 레시피 추천 챗봇
20기 박진영 숙명여자대학교 경영학부
20기 서민진 경희대학교 통계학과
20기 안소유 서울여자대학교 소프트웨어융합학과
20기 윤선영 서울과학기술대학교 데이터사이언스학과
20기 이민선 한국공학대학교 산업경영학과
제 19회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [전진 4드론] : RAD(Reinforcement learning method for ...BOAZ Bigdata
데이터 분석 프로젝트를 진행한 전진4드론 팀에서는 아래와 같은 프로젝트를 진행했습니다.
RAD(Reinforcement learning method for Autonomous Drone)
20기 정재준 한양대학교 에리카캠퍼스 프랑스학과
20기 이영현 한양대학교 대학원 인공지능학과
20기 이찬 경희대학교 컴퓨터공학과
20기 정원준 건국대학교 컴퓨터공학부
제 19회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [REC] : 캠핏 데이터를 활용한 캠핑장 추천 시스템 구현BOAZ Bigdata
데이터 분석 프로젝트를 진행한 REC 팀에서는 아래와 같은 프로젝트를 진행했습니다.
캠핏 데이터를 활용한 캠핑장 추천 시스템 구현
20기 김민혜 한양대학교 경영대학원 비즈니스 인포메틱스
20기 송여진 이화여자대학교 휴먼기계바이오공학부
20기 이은효 이화여자대학교 대학원 통계학과
20기 임세은 숙명여자대학교 사회심리학과
제 18회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [4부터7] : 공방 301 데이터를 활용한 마케팅 방안 제시BOAZ Bigdata
데이터 시각화 프로젝트를 진행한 4부터7 팀에서는 아래와 같은 프로젝트를 진행했습니다.
공방 301 데이터를 활용한 마케팅 방안 제시
19기 김동하 고려대학교 미디어학부
19기 고현서 동덕여자대학교 경영학과
19기 노근혜 이화여자대학교 통계학과
19기 박상윤 가천대학교 경영학부(글로벌경영학)
제 18회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [유쾌한 반란] : Howmuch : 꽃집 관리 서비스BOAZ Bigdata
데이터 엔지니어링 프로젝트를 진행한 유쾌한 반란 팀에서는 아래와 같은 프로젝트를 진행했습니다.
일 단위 화훼 경매 데이터를 화훼소매업자들에게 제공하여 적정가에 사입할 수 있도록 돕는 서비스 기획
19기 송우석 연세대학교 컴퓨터과학과
19기 박선홍 한국외국어대학교 국제통상학과
19기 이 은 홍익대학교 산업공학과
19기 정성윤 국민대학교 경영정보학부
제 18회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [이탈리안 BMT] : 지하철 지연 시간 데이터 분석 및 시각화를 위한 데이터 파이프라인 구축BOAZ Bigdata
데이터 엔지니어링 프로젝트를 진행한 이탈리안 BMT 팀에서는 아래와 같은 프로젝트를 진행했습니다.
지하철 지연 시간 데이터 분석 및 시각화를 위한 데이터 파이프라인 구축
19기 김보겸 중앙대학교 사회학과
19기 김가경 동덕여자대학교 정보통계학과
19기 김동진 경희대학교 컴퓨터공학과
19기 박재은 숙명여자대학교 컴퓨터과학전공
19기 이재준 명지대학교 융합소프트웨어 데이터테크놀로지전공
제 18회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [분모자] : 분류 모자이크BOAZ Bigdata
데이터 분석 프로젝트를 진행한 분모자 팀에서는 아래와 같은 프로젝트를 진행했습니다.
로고 자동 감지 및 모자이크 서비스 제안
19기 오효근 건국대학교 일반대학원 기계설계학과
19기 김보겸 중앙대학교 사회학과
19기 송예진 서울여자대학교 소프트웨어융합학과
19기 우아라 서울여자대학교 소프트웨어융합학과
19기 임서현 성균관대학교 글로벌리더학부
제 18회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [link-us(링커즈)] : 링키드를 위한 비즈니스 대시보드 제작BOAZ Bigdata
데이터 시각화 프로젝트를 진행한 link-us(링커즈) 팀에서는 아래와 같은 프로젝트를 진행했습니다.
링키드(linkid)를 위한 비즈니스 대시보드 제작
19기 정소영 숙명여자대학교 통계학과
19기 유나현 중앙대학교 응용통계학과
19기 이세연 성신여자대학교 빅데이터사이언스전공
19기 정다운 숙명여자대학교 통계학과
데이터 분석 프로젝트를 진행한 뉴진스 팀에서는 아래와 같은 프로젝트를 진행했습니다.
Multi-modal Fake News Detection
19기 장우솔 단국대학교 일반대학원 응용통계학과
19기 김동진 경희대학교 컴퓨터공학과
19기 박명규 한양대학교 ERICA 로봇공학과
19기 성재혁 고려대학교 컴퓨터학과
19기 신은빈 건국대학교 응용통계학과
제 18회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [추적 24시] : 완전 자동결제를 위한 무인점포 이용자 Tracking System 개발BOAZ Bigdata
데이터 분석 프로젝트를 진행한 추적24시 팀에서는 아래와 같은 프로젝트를 진행했습니다.
완전 자동결제를 위한 무인점포 이용자 Tracking System 개발
19기 민경원 고려대학교 산업경영공학부
19기 신재욱 연세대학교 산업공학과
19기 이유빈 서울여자대학교 소프트웨어융합학과
19기 최가희 국립공주대학교 산업시스템공학과
5. Resources
Search engine
Meta search engine
Introduction
Trivago
• 호텔과 직접 계약하는 플랫폼 X
• 호텔 검색엔진들의 검색엔진
• 일종의 중개매체
도메인
Hotels
Hotel Hotel Hotel Hotel Hotel Hotel
7. Introduction
Data
• 한 유저가 여러 번 접속한다.
• 한 유저의 세션이 여러 개이다.
유저 896,088 명
세션 1,141,446 개
유저1
유저2
유저3
유저4
2018-11-06 2018-11-082018-11-01
유저와 세션의 개념
세션1
X
세션2세션1 세션3 세션4
X X X X ?X
세션1 세션2
X X X ?
세션1 세션2
X ?
8. Introduction
Data
세션 내 유저행동의 개념
실제 UI 에서 행동한 하나 하나의 단위
• 어떤 행동을 했는지 .
• 무엇과 상호작용 했는지
데이터의 트랜젝션
• Action_type
• Reference .
9. 유저의 행동 정보
세션 based
Introduction
Data 세션 내 유저행동의 개념
• 유저의 행동을 반영하는 추천 시스템
• 유저의 세션을 기반으로 분석
개인화 모델
10. Introduction
Trivago
Goal
유저가 click out 할 것 같은 순서로 Top 25 호텔 추천
Estimation : MRR
추천한 25개 중에 유저가 실제로 click out 한 호텔의 순위점수
목표와 평가
1.
2.
3. Test data : 121,526개의 session의 ‘click out’을 맞혀라
13. Mexico City, Four Seasons Hotel
Sort by: ‘intersect count’
Mexico City, The Saint Hotel
Recommendation system
Content Based Filtering
이 유저가 실제로 상호작용한 아이템
이 유저가 실제로 Click out한 아이템
The Saint Hotel
Four Seasons Hotel
16. : 이용자가 직접 평가한 점수 = 선호도 지표
평점
좋아요
Explicit rating
1 Feedback
Problem
17. : 유저의 직접적인 평가가 아님. 유저들의 행동들을 관측하여 그들의 행동에서 그들의 선호도를 파악.
사용자가 어떤 아이템을 조회했는지 사용자의 시청 횟수, 머문 시간 등
Explicit rating → Implicit rating
1 Feedback
Solution
18. 2. Dwelling time
더 오랜 시간 상호작용한 아이템일 수록
유저의 선호도가 높다.
1. Interaction count
상호작용(사진〮정보 보기)을 많이 한 아이템일 수록
유저의 선호도가 높다.
Explicit rating → Implicit rating
1 Feedback
Solution
19. Item_id
Session_id
666856 109038 1257342 … 3377332 3066244
1d688ec168932 4 2
f05ab0de907e2
26b6d294d66e7 10
…
4a01c3afbc224
07628a0f5be0b 23
928016 개
Train 에 사용한 matrix : 1141446 * 928016
Test 에 사용한 matrix : 121526 * 929016
Sparse Matrix
보통 사용자들은 굉장히 적은 item에 대해서만 interaction을 함
2 Sparsity
Problem
20. Session_id 당 interaction하는(implicit rating 값이 있는) item_id 수
mean 2.68132
Min 1
Q1 1
Q2 2
Q3 3
Max 166
2 Sparsity
Problem
Sparse Matrix
보통 사용자들은 굉장히 적은 item에 대해서만 interaction을 함
21. user
co-rated user: 6
Hilton, Busan
Highest Rating
Recommendation system
Neighborhood Model
Lotte Shilla Joseo
n
Hyatt HILTON
보정 5 7
승민 3 8 1
승진 2
효선
승현 1 10 1
대왕 2 2
25. 𝜇 : 전체 rating의 평균
𝑏 𝑢 : 특정 user의 deviation(평균과 얼마나 차이가 있나)
𝑏𝑖 : 특정 item의 deviation(평균과 얼마나 차이가 있나)
Item_id
Session_id 666856 109038 1257342 … 3377332 3066244
1d688ec168932
4 2
f05ab0de907e2
26b6d294d66e7
10
…
4a01c3afbc224
07628a0f5be0b
23
Baseline Only Algorithm
Recommendation system
Matrix Factorization
26. m X n m X r r X r r X n
SVD(Singular Value Decomposition) Algorithm
Data
User의 특징
Item의 특징
Recommendation system
Matrix Factorization
27. SVD(Singular Value Decomposition) Algorithm
추천 문제를-> 최적화 문제로 전환
한 유저에 대해서 어떤 아이템에 대한 레이팅을 얼마나 잘 예측하냐를 보는 것(RMSE)
Recommendation system
Matrix Factorization
28. Algorithm Test RMSE
SVD 6.5272
SVDpp 6.7223
BaselineOnly 6.3431
MRR
0.350
Reference count
Range 1 ~ 21
Recommendation system
Matrix Factorization
32. 1. 호텔 도메인
- 호텔의 특징(‘FILTER’, ‘호텔 특징')은 중요한 지표가 아니다.
- 중요한 지표는 ‘유저의 행동‘ (‘INTERACTION COUNT’, ‘DWELLING TIME’)
2. 모델
- Neighborhood 모델 GOOD
- 앙상블 모델과 Collaborative Filtering 함께 사용 추천
Recommendation system
Conclusion