Folding : 최적화된 추천시스템이 잘못된 케이스를 추천하는 이유

본 글은 2017년 Recsys에서 Google Research분들이 발표한 논문(Folding: Why Good Models Sometimes Make Spurious Recommendations)에 대한 리뷰입니다. 분명 최적화된 추천시스템임에도 이상한 추천 결과가 나오는 경우도 있다. 이 논문에서는 그 원인을 Data의 분포에서 찾는다. 추천시스템의 데이터는 대부분의 user가 모든 종류의 item에 대해 평가한 경험을 가지고 있지 않는 특성을 지닌다. ex) 어린이는 성인 영화를 아예 평가한 경험이 없다. Folding 현상은 서로 관련 없는 그룹이 embedding space에서 매우 인접하게 되는 현상이다. 좋은 추천시스템을 만들기 위해서는 Folding현상이 일어나지 않도록, Missing Value들을 Related와 Not Related로 잘 구분하여 이해하는 작업이 중요하다. 실제 서비스에 적용할때, 이런 것들을 잘 구분하여, Missing Value들을 조금이라도 채울 수 있다면 더 좋은 추천 기술을 만들 수 있을 것이다. https://dl.acm.org/doi/10.1145/3109859.3109911

다음 내용이 궁금하다면?

또는

이미 회원이신가요?

2023년 9월 8일 오전 7:25

댓글 0

    함께 읽은 게시물

    ‘경영의 신’이란 칭호를 받은 마쓰시타 고노스케는 경영자가 가져야 할 가장 중요한 자질을 ‘인간에 대한 이해’라고 했다. 경영의 진짜 핵심을 찌른 이야기다. 경영이란 무엇인가? 한마디로 ‘사람을 움직여 가치를 창조하는 업(業)’이다.

    ... 더 보기

    [경영의 맥] 성공하는 CEO의 조건은 '인간에 대한 이해'

    한국경제

    [경영의 맥] 성공하는 CEO의 조건은 '인간에 대한 이해'

    트래블월렛 관계자는 “2025년을 첫 연간 흑자 전환의 원년으로 설정하고 있다”며 “전체 매출은 약 1000억원 수준을 예상하고 있고 이 중 B2B 사업은 연말까지 전체 매출 비중에서 10%(100억원)까지 확대하는 것을 목표로 한다"고 말했다.

    ... 더 보기

    thebell Free

    m.thebell.co.kr

    thebell Free

    조회 314


    Perplexity 창업자가 바라본 구글, 아마존, 메타 창업자들


    ... 더 보기

    Aravind Srinivas: Perplexity CEO on Future of AI, Search & the Internet | Lex Fridman Podcast #434

    www.youtube.com

    Aravind Srinivas: Perplexity CEO on Future of AI, Search & the Internet | Lex Fridman Podcast #434

     • 

    저장 32 • 조회 1,313


    스케일AI는 AI학습에 필요한 데이터를 정제하는 ‘데이터 라벨링’ 기술에 주력하는 스타트업이다. 스케일AI는 단순 주어진 데이터를 분류하는 것에 그치지 않고, 모델이 틀리게 예측한 사례를 선별해 그 데이터를 다시 정제하고 보강하는 ‘데이터 엔진’을 갖추고 있다.

    ... 더 보기

    ‘데이터 라벨링’ 뭐길래...메타, 스케일AI에 십조원 규모 투자 나선다

    조선일보

    ‘데이터 라벨링’ 뭐길래...메타, 스케일AI에 십조원 규모 투자 나선다

    < K-POP의 진짜 시작은 1978년이었다(?) >

    1

    ... 더 보기

    피클은 지난달 하루 200명씩 신규 유입, 불과 한 달 만에 사용자 수 5배라는 폭발적 성장세를 보이고 있다. 전체 이용자 중 70%가 미국, 20%가 유럽에 분포하며, 평균 주 5회 이상 회의·온라인 모임에 피클 아바타를 활용하고 있다.

    ... 더 보기

    AI 아바타 스타트업 ‘피클’, 시드 투자 60억원 유치

    조선비즈

    AI 아바타 스타트업 ‘피클’, 시드 투자 60억원 유치

    조회 332