Notice
Recent Posts
Recent Comments
Link
일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | 2 | 3 | 4 | 5 | 6 | 7 |
8 | 9 | 10 | 11 | 12 | 13 | 14 |
15 | 16 | 17 | 18 | 19 | 20 | 21 |
22 | 23 | 24 | 25 | 26 | 27 | 28 |
29 | 30 | 31 |
Tags
- Neural Collaborative Filtering
- 논문리뷰
- FastSpeech2
- CF
- 부스트캠프 AI Tech
- Tacotron
- Ai
- word2vec
- TTS
- Item2Vec
- Noise Contrastive Estimation
- Dilated convolution
- NEG
- SGNS
- RecSys
- Implicit feedback
- FastSpeech
- Tacotron2
- CV
- Recommender System
- Collaborative Filtering
- BOJ
- ALS
- matrix factorization
- Skip-gram
- 추천시스템
- 백준
- ANNOY
- wavenet
- Negative Sampling
Archives
- Today
- Total
목록Precision@K (1)
devmoon
추천시스템의 평가 지표와 Offline/Online Test 방법
추천 시스템 모델을 만들었다면 실제로 적용했을 때 얼마나 좋게 작용하는지 평가할 수 있어야 한다. 간단하게 회사의 비즈니스 입장에서는 새로운 추천 모델을 통해 매출이 얼마나 증가했고, 조회가 얼마나 증가했는지 확인해볼 수 있다. 또한 추천 시스템에서 중요한 평가지표인 CTR(Click Through Rate, 클릭률)을 통해 노출대비 클릭이 얼마나 많이 이루어졌는지 알아볼 수 있다. 반대로 비즈니스 관점이 아닌 사용자에게 얼마나 품질 좋은 추천이 이루어졌는지 생각해볼 수 도 있다. 사용자가 느낄만한 관점은 아래와 같이 크게 4가지로 분류하여 평가한다. 연관성 : 추천된 상품이 유저와 관련된 상품인가? 다양성 : 추천된 K 개의 상품에 다양한 상품이 포함되어 있는가? 하나의 카테고리 상품만 추천되고 있지는..
AI/추천 시스템
2022. 10. 20. 15:59