총 10개의 글을 통해서 추천 시스템의 일반적인 내용을 대부분 다룬 것같습니다. 더 자세히 다뤄야할 세부적인 것들이 여전히 많이 있지만, 기존의 다른 논문들을 읽어보시면 쉽게 이해가 될 것입니다. PR시리즈를 통한 추천 시스템의 소개 및 설명은 이것으로 마치겠지만, 다른 관련 이슈가 발견되면 그때마다 내용을 추가하도록 하겠습니다. 모든 연구논문들이 그렇듯이, 추천 시스템의 글을 마치면서 추천 알고리즘 관련 참고 논문들을 아래와 같이 명시합니다. 검색서비스에서 '추천 시스템' 'recommender system1' 'collaborative filtering' 등과 같은 키워드로 검색해보시면 다양한 논문들이 나옵니다. 아래에는 추천 시스템의 State of the art를 다룬 리뷰논문들을 주로 나열합니다. (개인/팀 위키페이지에 작성한 것을 그대로 가져옵니다.) 제대로 읽어보지 못한 논문들도 포함되어있지만, 이정도만 마스터해도 추천 시스템에 전문가는 될 수 있습니다. 그 다음의 단계를 여러분들이 직접 서비스에 맞는 추천 시스템을 구현해보고 확인하는 것입니다. 오픈소스 프로그램들도 많으니 그것들을 활용하는 것도 좋고, 알고리즘이 간단하기 때문에 직접 구현해보는 것도 좋습니다.
추천 관련 자료들
- The State-of-the-Art in Personalized Recommender Systems for Social Networking
- Recommender Systems Handbook
- Ch1. Introduction
- Ch2. Data Mining Technique
- Ch3. Content-based
- Ch4. Neighborhood-based
- Ch5. Collaborative Filtering
- Ch7. Context-Aware
- Ch8. Evaluation
- Evaluating Recommender Systems
- Evaluating Recommendation Systems
- A Connection-Centric Survey
- A Survey of Collaborative Filtering Techniques
- Scalable Collaborative Filtering
- Recommender Systems Slide (상위 디렉토리의 다른 슬라이드도 참조)
- Recommender Systems: From Algorithms to User Experience
- Recommender Systems Handbook
- Mining large streams of user data for personalized recommendations Netflix Case
- Explaining the user experience of recommender systems
추천시스템 전체 목록
- 추천 시스템과의 조우 (PR시리즈.1)
- 추천 시스템을 위한 데이터 준비 (PR시리즈.2)
- 추천대상에 따른 추천 시스템의 분류 (PR시리즈.3)
- 알고리즘에 따른 추천 시스템의 분류 (PR시리즈.4)
- 추천 시스템을 위한 유사도 측정 방법 (PR시리즈.5)
- 추천 시스템의 성능 평가방법 및 고려사항 (PR시리즈.6)
- 추천 시스템에서의 랭킹과 필터링 문제 (PR시리즈.7)
- 추천 시스템의 쇼핑하우 적용예 (PR시리즈.8)
- 개인화 추천 시스템에 대하여 (PR시리즈.9)
- 추천 시스템의 부작용 - 필터버블 (PR시리즈.10)
- 추천 시스템의 레퍼런스 (PR시리즈.11)
- 추천 시스템에 대한 잡다한 생각들 (PR시리즈.12)
- 추천 시스템을 위한 하둡 마훗 사용하기 (PR시리즈.13)
- 추천 시스템에 대해서 여전히 남은 이야기들 (PR시리즈.14)
==
페이스북 페이지: https://www.facebook.com/unexperienced
- 일반적으로 recommendation system이 아닌, recommender system이라고 부릅니다. [본문으로]
반응형
