Collaborative Filtering Recommendation

KAIST GSDS 대학원 박찬영 교수님의 수업인 추천시스템 및 그래프 기계학습 수업을 필기입니다.

 

Collaborative Filtering(CF)

• Approach
  
  • Use the "wisdom of the crowd" to recommend items
• Basic assumption and idea
  • Users give ratings to items
  • Customers who had similar tastes in the past, will have similar tastes in the future(입맛 안변해)

[https://towardsdatascience.com/various-implementations-of-collaborative-filtering-100385c6dfe0]

 

Memory(Neighborhood) based - CF

• Main idea
  
  • Similar users display similar patterns of rating behavior -> User-based CF
  • Similar items receive similar ratings -> Item-based CF
• Input
  • Only a matrix of given user-item rating
• Output types
  • A numerical prediction indicating to what degree(유저의 선호도 점수로)
  • A top-N list of recommended items
• Representative methodology
  기본적으로 item-based CF가 더 연관성 있는 추천을 해준다. 왜냐하면 user의 rating을 이용하기 때문이다. 또한, item-based CF는 추천의 이유를 제공한다는 특징이 있다.
  • User-Based Collaborative Filtering: 특정 User를 기준으로 비슷한 다른 User의 선호도를 기반으로 Item을 추천
  • Item-Based Collaborative Filtering: 특정 Item을 기준으로 비슷한 Item을 추천
• Pros
  • Requires miknimal knowledge (only rating/implicit feedback)
  • Produces good-enough results in most cases
• Challenges
  • Sparsity / Cold-start problem: 충분한 users 확보와 새로운 user, item에 대해 취약(New user, item problem)
  • Scalability: item, users 수에 따라서 계산량이 증가하고 한 user가 item을 구매하면 다른 user나 item의 순위 영향
  • Diversity: 다양한 결과나 나오기 힘듬

 

Measuring user similarity

Implicit Feedback

• Euclidean distance
  problem: euclidean distance favors small sets, even if the have few elements in common

• Jaccard similarity
  problem: Jaccard similarity can only take care of binary relevance scores

• Cosine similarity
  -1 ~ 1까지의 값을 따라서 선호, 비선호 추정가능 

Explicit Feedback

• Pearson correlation
  Different users may provide ratings on different scales
  -> Subtract the average(평균에서 얼마나 차이나는지를 확인함, 사용자 v와 u의 공통된 item이 많이 필요)

 

Making Predictions

A common prediction function

• User-based CF

• Item-based CF

 

참조: https://kmhana.tistory.com/31?category=882777