📃 논문 리뷰3 [Recommendation System] Deep Learning Recommendation Model for Personalization and Recommendation Systems ; DLRM 논문 리뷰 💡 Index 이번 논문은 Facebook에서 2019년 나온 DLRM 추천시스템 알고리즘이다. 1. Introduction Personalization과 Recommendation에 사용된 두가지 주요 개념을 혼합해 DLRM 알고리즘을 개발하였다. 추천시스템 : 처음에는 사용자의 선호도에 따라 사용자와 제품을 일치시키는 콘텐츠 필터링 시스템이 사용되었다. 이는 이후 과거의 사용자 행동을 기반으로 하는 협업 필터링(Collaborative Filtering)으로 진화했다. Predictive Analysis : 주어진 데이터를 기반으로 사건의 확률을 분류하거나 예측하기 위해 통계 모델에 의존한다. 과거에는 선형 및 로지스틱 회귀와 같은 간단한 모델을 사용했는데, 이후 Deep Network 모델로 발전.. 2023. 7. 17. [Recommendation System] Neural Collaborative Filtering 논문 리뷰 💡 Index 1. Abstract - neural networks에 기반을 두고 recommendation의 주요 문제(collaborative filtering의 implicit feedback)를 다룰 예정이다. 최근 연구들에도 Deep Learning을 추천 시스템에 적용한 사례가 있었지만 기본적으로 text나 acoustic features of music과 같이 보조 information 용도로 사용하였는데, 추천 시스템의 핵심인 user와 item 간의 interaction에 대해서 latent features(잠재요소)를 위해 여전히 Matrix Factorization에 의존하였다. - 본 논문에서는 inner product(내적)을 neural architechture로 대체하여 임의의.. 2023. 7. 17. [Anomaly Detection] Isolation-based Anomaly Detection 논문 리뷰 💡 Index 1. Prerequisite Anomaly Detection (이상탐지)는 주어진 sample data에 대해 해당 데이터가 normal인지 abnormal인지 분류하는 것을 의미한다. "분류"한다고 해서 이 과정이 classification과 동일하지는 않다. 아래 그림을 통해 설명해 보자면, classification의 경우 decision boundary가 빨간색 선이 그려진 것 처럼 두개의 class를 구분하는 것이라면 anomaly detection의 경우 이와 형태가 다르다. 빨간색 점인 new data가 들어왔을 때 classification은 이를 정상인 데이터로 구분하지만 anomaly detection의 경우 정상이 아닌것으로 구분짓게 된다. anomaly detectio.. 2023. 7. 11. 이전 1 다음
