ML-DL/RS (3) 썸네일형 리스트형 [개인 프로젝트] S-Walk 논문 모델로 추천 모델 구현해보기 -2 [모델 구현] 1. Input"S-Walk: Accurate and Scalable Session-based Recommendation with Random Walks" 에서 Input x는 사용자의 세션 데이터[시퀀스], 즉 아이템의 순차적 목록이다. 그래서 저번 1편에서 x를 만드는 작업까지 진행했다. 이 중 user_id 한 개를 x로 설정하고 random walks를 진행할 예정이다. 이를 통해 아이템간 연관성을 추출하고 관심사나 패턴을 파악한 후 추천할 아이템을 예측하는 형태이다. 2. 모델 구현먼저 엣지와 가중치를 설정하여 그래프를 구성한다. graph = nx.DiGraph()for session in sessions: for i in range(len(session) - 1): it.. [개인 프로젝트] S-Walk 논문 모델로 추천 모델 구현해보기 -1 [MovieLens 데이터셋 설명, 코랩 구글드라이브 연동하기, 데이터 전처리] 1. Datahttps://grouplens.org/datasets/movielens/ MovieLensGroupLens Research has collected and made available rating data sets from the MovieLens web site ( The data sets were collected over various periods of time, depending on the size of the set. …grouplens.org위의 MovieLens 데이터셋을 활용했다. 해당 데이터는 87,585개의 영화에 대해 32,000,204 개 평가와 2,000,072 개 태그가 포함되어 있으며, 모든 사용자가 최소 20개 이상을 평가했다. Colab 에서 진행했으므로 .. GNN [Graph Neural Network] - 1 1. 그래프 모델이 나온 이유?CNN, RNN, Transformer 등의 Representation Learning 모델은 복잡한 구조와 관계를 지니는 경우 임베딩에 한계가 있었고, 이를 해결하기 위해 그래프를 사용한 신경망 모델이 제안되었다. 그래프 모델은 관계와 상호작용을 다루기에 적합하고 더 간단하게 표현 할 수 있다. CNN : Euclidean 공간에서 행과 열로 배열된 픽셀들로 이루어진 이미지에서 특징을 추출함RNN : Recurrent 구조를 통해 input으로 주어지는 시계열 데이터인 sequence의 특징을 추출함Transformer : self-attention 구조를 통해 어떤 한 부분에서 주의를 기울여야 할 여러 부분을 병렬적으로 함께 처리함으로써 input의 특징을 추출함 2. .. 이전 1 다음
