패스트캠퍼스 환급챌린지 36일차 미션 (3월 7일) : 30개 프로젝트로 끝내는 추천시스템 구현 초격차 패키지 강의 후기

강의 내용 Review

---

📍배운내용📍

• GPT기반 추천 시스템
• ChatGPT 활용 추천 파이프라인 

👉강의내용👈

GPT기반 추천 시스템

• 정확도 기반 프롬프트 예제
• 레이팅 프레딕션: 고객이 얼마만큼의 평점을 낼지 예측하는 태스크, 적절한 상품에 대한 평점을 내리므로 개인화된 추천 제공
• 제로샷 템프릿: 하나도 샘플을 주지 않고 물어보는 태스크 
• 유저의 컨텍스트가없지만 유저를 대상으로 점수를 매겨보라고 함 
• 퓨샷 템프릿: 유저 웨이팅 스토리가 있을때 모델이 학습할수있게 만들어줌 , 모델이 참고를 함
• 시퀀셜 추천: 과거의 정보를 바탕으로 다음 아이템과 액션 예측 
• 세션 투 세션: 특정 사용자의 과거 행동이 어떻게 흘러갔는지 메트릭스를 보고 시퀀셜한 예측을 함 
• 제로샷은 시퀀셜 추천에서 여러개를 주고 골라라고 함, 원하는 시스템의 입출력에 맞게 맞춰줌 
• 특정 아이템이 주워졌을때 이 평점에 대한 이유를 쓰라함 
• 리뷰를 요약해서 상품에 추가적인 정보를 얻게함 
• 제로샷: 어떻게 하는지 안알려주고 
• 퓨샷: 어떻게 하는지 알려줌 
• 유저 정보가 많이 없어도 추천을 그럴사 하게 해결할수있음 

ChatGPT 활용 추천 파이프라인

• 퓨샷과 제로샷 사이에 어떤 강점이 있는지 확인 
• ChatGPT는 일반적인 언어 이해와 추론 능력이 있고, 상호작용을 즉각적으로 반영가능 
• 장점: 다른 많은 경우보다 단순한 구조라서 간단한 구축 가능
• 단점: 내부 정보를 활용하기 어려움, 프롬프트에 넣어서 넘길수도있지만 보안 문제 있음 
• 유사도기반 추천: 대화형으로 시스템을 구성하면 사람이 입력을 텍스트로 넘기고, 랭귀지 모델에 들어감, 이후 임베딩 값아 itemDB로 들어가고 검색을 수행해 쿼리와 가까운 아이템을 조회해옴, 이것을 chatGPT에게 표현과 소팅을 맡김 
• 의도를 파악하는 파이프라인 붙일수 있음 :ChatGPT가 의도를 파악함으로 추천을 활성화 함 
• 설명만 제공하는 구성: 추천 모델 통해 후보군이 추려지고 이후 ChatGPT에 넣어서 추천만을 생성해주는 구조도 가능 
• 몰입도 높은 추천 제공 가능, 이후에도 역활을 늘리는 다양한 구성이 가능함 
• ChatGPT를 거치는 것이 아니라, 공개된 LLM을 파인튜닝하여 개인화된 추천을 하는 태스크도 구성가능 
• 신규유저의 인터랙션이 없어도 추천이 가능한 좋은 품질을 제공함 
• 몰입도 높은 추천으로 콜드 스타트문제를 조금 개선
• 추천에 적용된 다양한 기술을 배웠음 
• 추천 시스템은 서비스, 도메인, 비지니스에 종성이 매우 강함 
• 하나의 뚜렷한 모델이나 접근법이 없어, 다양한 접근법을 살펴봤음 

 

 

공부사진 

---

36일차 후기

---

ChatGPT의 능력이 생각보다 대단한거 같다. 

어떻게 이것을 잘 사용할수 있을까?

첫번째 강사님 파트가 끝나서 아쉬운 마음이 들었다. ㅠㅠㅋㅋ 잘가르쳐 주셔서 감사했습니다. 

빨리 빨리 듣자