devmoon

ABSTRACT 당시 NLP분야에서 Neural embedding algorithm을 통해 단어를 잠재 벡터로 표현하는 방법에 대한 뛰어난 성과가 발표되었다. 그 방법 중 하나로 word2vec 이라고도 알려진 Skip-gram with Negative Sampling (SGNS)가 특히 좋은 성능을 보여주었다. 여기에 영감을 받아 저자들은 추천 시스템의 아이템 기반 협업 필터링(IBCF)에 word2vec을 적용시킨 item2vec을 발표한다. INTRODUCTION AND RELATED WORK 당시 추천 시스템의 핵심은 아이템 간 유사도를 구하는 것이었다. 저자는 많은 추천 시스템들이 유저와 아이템의 저차원 입베딩을 학습하는데 초점을 맞추고 있지만, 아이템 유사도 자체를 구하는 것이 중요하다고 한다..

Introduction e-commerce가 점차 발전함에 따라 시장에 등장하는 상품의 종류도 매우 많아졌다. 이에 따라서 사용자들은 올바른 상품을 찾을 수 있도록 해주는 추천 시스템이 필요했는데 일반적으로 사용자나 상품에 대한 프로필을 만들어 서로 연관 짓는 것을 기반으로 하고 있었다. 이런 추천 시스템은 크게 보자면 2종류로 나눌 수 있었는데 하나는 content based approach이고, 다른 하나는 Collaborative Filtering 기반이다. 콘텐츠 기반 추천 시스템은 상품이 가진 특성들을 사용하여 추천을 진행하는 것인데, 유저 프로파일과 아이템(상품) 프로파일을 참고한다. 예를 들어, 어떤 유저가 영화를 즐겨서 본다면 이와 유사한 분위기의 영화를 가진 영화를 유저에게 추천해주는 것..