Recommended
More Related Content
Similar to Recommendation with deep learning
Similar to Recommendation with deep learning (14)
Recommendation with deep learning
- 2. 추천 시나리오 사용자의 개인 취향을 분석한다 사용자가 좋아할 만한 컨텐츠를 찾는다.
- 3. 1. 사용자의 개인 취향을 분석 한다 • 사용자가 높은 점수를 부여한 컨텐츠들의 특징을 분석하여 비슷한 내용을 가진 컨텐츠를 추천한다. (내용 기 반 추천 ) • 사용자와 비슷한 취향을 가진 다른 사용자가 선택한 컨텐츠 를 추천한다 (협업 필터링 추천)
- 4. 협업 필터링 類類相從(유유상종) : 끼리끼리 모인다. User 1 이 item 5에 몇점을 부여할까 ?
- 5. 비슷한 정도는 어떻게 알수 있 을까 ? 피어슨 상관계수 코사인 유사도
- 6. –Soonmok Kwon “공식은 어렵고 그림은 쉽다”
- 7. 피어슨 상관계수 코사인 유사도 상품 X [2, 3] 상품 Y [1, 3]
- 8. 지금까지 배운 것 추천 시스템 내용 기반 추천 협업 필터링 추천 코사인 유사도 피어슨 상관계수 공식을 이용한 계산을 통해 취향이 비슷한 유저를 찾아서 그 유저가 선택한 것을 추천한다.
- 10. –Soonmok Kwon “딥러닝 모델은 간단히 말해서 블랙박스이다”
- 11. 인공신경망이란?
- 12. 인공신경망이란? Y = Ax + B
- 13. 예시 12 8 7 11 12 0.2 0.000001 0.6 0.1 평수 방 개수 우편 번호 (집위치) 수입 5.2 0.7 1.52 0.6 0.2 0.2 파란색이 인공 신경망이 학습하는 가중치! (y = ax + b) 1억 5천 2억 Backpropagation
- 14. 평수 : 25 방 개수 : 4 우편번호 : 445-112 수입 : 100만원 예측 집값 : 1억 5000 만원 데이터 : (평수, 방개수, 우편번호, 수입) 라벨 : 집값 실제 집값 : 2억 Error : 5000만원
- 15. Auto Encoder 란? Deep learning 을 사용하여 Encode, Decode 시키는것
- 16. 왜 이런것을 쓸까? • Auto Encoder 가 데이터를 가장 적은 차원의 벡터로 표현 하도록 강요한다. (데이터의 중요한 것만 캐치) • Denoising 을 하기 위해. (쓸데없는 값 무시하기)
- 17. 차원 감소 예시 4차원 3차원
- 18. Denoising 예시
- 19. 지금까지 배운 것 딥러닝 모델은 블랙박스다 블랙박스 안을 까보니 인공신경망으로 되어있더라 인공신경망은 Wx + b와 예측값 - 정답 차이로 학습을 하더라. 인공신경망으로 Auto Encoder를 만들수 있더라. Auto Encoder로 차원축소, Denoising를 할수 있더라.
- 20. 추천 시스템에 배운 내용을 적용해 봅시 다.여러 유저들의 영화 별점 데이터가 있습니다.
- 21. 새로운 유저 - 영화 행렬을 만듭니다. 쇼생크탈출 대부 매트릭스 아무개 5 2 홍길동 1 5 권순목 3 4 Socc 3 3 유저가 시중에 나와있는 모든 영화에 평점을 달지 않으므로 빈 공간이 존재합니다.
- 22. 영화 평점 행렬을 데이터 셋으로 봅니다. 5 2 1 2 4 5 1 2 2 5 1 2 2 4 5 5 1 2 5 1 2 2 5 1 1 2 3 3 4 5 2 1 2 4 5 1 2 2 5 1 2 2 4 5 5 1 2 5 1 2 2 5 1 1 2 3 3 4 5 2 1 2 4 5 1 2 2 5 1 2 2 4 5 5 1 2 5 1 2 2 5 1 1 2 3 3 4 5 3 2 4 1 2 4 2 5 4 1 2 4 2 2 5 5 1 3 2 5 2 4 4 2 1 2 3 5 5 5 5 5 5 1 4 4 2 2 1 5 2 1 1 2 2 4 5 4 5 3 1 1 4 2 2 3 3 3 4 Batch
- 23. 갑자기 Batch? 딥러닝에는 많은 데이터를 학습용으로 사용 많은 데이터를 한번에 학습시킬 경우 메모리가 터짐 한번에 너무 많은 데이터를 학습시키면 학습 결과도 안좋음 + 많은 데이터중 샘플링 하여 학습시키는 것을 반복하자 Ex) 10000 개 데이터를 100개씩 100번 학습 시키자!
- 24. 이제 딥러닝 모델을 고안해 봅시다.
- 25. 이제 딥러닝 모델을 고안해 봅시다.
- 26. 왜 갑자기 빈자리가 차는거야?!!
- 27. Denoising 예시
- 28. Training 시 대조할 라벨은 ?? 12 8 7 11 12 0.2 0.000001 0.6 0.1 평수 방 개수 우편 번호 (집위치) 수입 5.2 0.7 1.52 0.6 0.2 0.2 1억 5천 2억 예측값 정답
- 29. Masking 전략 5 M 1 M 4 5 1 2 M 5 1 2 2 4 5 M 1 M 5 1 2 M 5 M 1 2 3 M 4 5 M 1 M 4 5 1 2 M 5 1 2 2 4 M 5 1 2 5 1 M 2 5 M 1 2 M 3 4 M 2 1 M 4 5 1 2 M 5 1 2 2 4 5 M 1 2 5 1 2 2 5 1 1 2 3 M 4 5 2 1 2 4 5 1 2 2 5 1 2 2 4 5 5 1 2 5 1 2 2 5 1 1 2 3 3 4 5 2 1 2 4 5 1 2 2 5 1 2 2 4 5 5 1 2 5 1 2 2 5 1 1 2 3 3 4 5 2 1 2 4 5 1 2 2 5 1 2 2 4 5 5 1 2 5 1 2 2 5 1 1 2 3 3 4 Training dataset Full datasetDecoded dataset 5 4 2 3 1 2 4 2 5 5 1 1 2 2 2 5 5 1 4 2 4 2 1 4 3 3 3 2 5 5 3 2 4 3 1 4 2 2 4 4 5 2 1 5 2 2 2 5 1 2 3 1 1 5 2 4 3 3 3 4 5 3 2 1 1 2 4 4 5 3 1 2 2 2 2 5 4 1 5 2 5 2 2 4 4 3 3 2 5 5 4 4 1 2 1 5 4 2 1 2 5 1 1 4 2 2 3 5 2 2 2 1 1 5 2 3 3 3 3 4 5 2 2 3 1 2 4 5 5 4 1 4 4 2 2 5 3 1 2 2 2 2 1 4 4 1 2 5 5 5 2 4 4 3 1 2 4 2 5 4 5 5 1 4 2 2 2 5 1 4 5 1 1 4 2 2 3 3 3 4 5 3 1 3 4 5 1 2 2 5 1 2 2 4 5 5 1 3 5 1 2 2 5 1 1 2 3 3 4 5 2 1 2 4 5 1 2 2 5 1 2 2 4 5 5 1 2 5 1 2 2 5 1 1 2 3 3 4 4 2 1 3 4 5 1 2 2 5 1 2 2 4 5 4 1 2 5 1 2 2 5 1 1 2 3 4 4 Masked generated dataset Rating - Rating = error
- 30. 학습을 완료한뒤 추천 방식 5 M 1 M 4 5 1 2 M 5 1 2 2 4 5 M 1 M 5 1 2 M 5 M 1 2 3 M 4 5 M 1 M 4 5 1 2 M 5 1 2 2 4 M 5 1 2 5 1 M 2 5 M 1 2 M 3 4 M 2 1 M 4 5 1 2 M 5 1 2 2 4 5 M 1 2 5 1 2 2 5 1 1 2 3 M 4 Training dataset Decoded dataset 5 4 2 3 1 2 4 2 5 5 1 1 2 2 2 5 5 1 4 2 4 2 1 4 3 3 3 2 5 5 3 2 4 3 1 4 2 2 4 4 5 2 1 5 2 2 2 5 1 2 3 1 1 5 2 4 3 3 3 4 5 3 2 1 1 2 4 4 5 3 1 2 2 2 2 5 4 1 5 2 5 2 2 4 4 3 3 2 5 5 4 4 1 2 1 5 4 2 1 2 5 1 1 4 2 2 3 5 2 2 2 1 1 5 2 3 3 3 3 4 5 2 2 3 1 2 4 5 5 4 1 4 4 2 2 5 3 1 2 2 2 2 1 4 4 1 2 5 5 5 2 4 4 3 1 2 4 2 5 4 5 5 1 4 2 2 2 5 1 4 5 1 1 4 2 2 3 3 3 4
- 31. 코딩할때 유의할 점