-
패스트캠퍼스 환급챌린지 59일차 미션 (3월 30일) : 30개 프로젝트로 끝내는 추천시스템 구현 초격차 패키지 강의 후기2024년 패스트 캠퍼스 챌린지 2024. 3. 30. 23:32
강의 내용 Review
📍배운내용📍
- 홈페이지 추천
👉강의내용👈
홈페이지 추천
- 2021: 파이프라인 디자인
- 홈페이지, 홈피드는 다양한 추천 프로덕트가 같이 있음, 위젯, 리스트 등
- 캐러셀 하나마다 조회, 랭킹, 컨첸츠 하이드레인, 컨텐츠 콜을 N번해야 함
- 따라서 홈피드에 파이프라인 디자인 패터 적용해서 하나로 묶어서 제공함
- 후보자 조회: 홈페이지에서 한번만 하도록
- 컨텐츠 그룹핑: 컨텐츠 기반으로 케러셀 생성함, 위젯과 리스트를 묶음
- 랭킹: 그룹핑된 가게 내에서 랭킹함
- 포스트 프로세서: 위젯과 리스트 사이에 순서 매김
- 통합을 해서 추천을 효율적으로 만들기 위한 디자인 패턴
- 2022: 배달경우 다양성이 중요하기 때문에 Exploitation 과 Exploration이 중요함
- 위제과 리스트의 순서를 매기는 방법, 다른 아이템의 랭킹을 매기는 법, 추천 시스템에 도입하는 방법
- 랭킹 모델에 유니버셜 랭커와 언설턴티 모델로 구성됨
- 이 둘을 합쳐 다양한 케러셀과 리스트의 랭킹을 매김
- 사용한 피처: 엔티티 관련 피처, 커스터머 피처, 컨텍스트 관련 피처
- Explooration모델은 예상되는 보상에 불확실성을 사용함
- 예상되는 보상과 불확실성을 더해서 언설턴티가 높을 수록 높은 추천함
- 실제로 언설턴티가 없을때 랭킹이 나오려면 실제 랭킹을 매길때는 어퍼 바운드를 기준으로 함
- 높은 UR은 상위, 중간 UR은 낮게, 새로운것은 랭크높임
- 사이드 인포메이션 포함해서 콜드 스타트에 강함
- 다른 엔티티에 랭킹을 매겨서 다이나믹한 UX를 만듦
홈페이지 추천(MAB사용)
- MAB는 랭킹 결과에 Explooation을 추가 할때 사용함
- AB테스트 대신 사용하기도 함
- 후보자 수가 적을 때 사용함
- 개인화 커즌 필터를 통해 멀티 레벨 MAV를 사용함
- 사전 지식으로 톰슨 샘플링으로 퍼스트레이어 확률을 구함
- 멀티 레벨은 다야한 범주로 카테고리 나눔
- 사전 구매 정보가 없는 고객에게 지역 인기도를 반영해서 추천함, 지속적으로 확장되는 지역으로 확장가능
- MAB 알고리즘: 베르누이 톰슨 샘플링을 사용함
- 한국이라면 나이대, 성별, 지역으로 나눌수있음
- 이미지 결정할때 머신러닝 기법 사용함
- 룰페이스 필터와 이미지 로테이션 을 사용함, 높은 사진을 뽑아야 많이 구매됨
- MAB를 이용해서 이미지 추천함 : 점수를 매겨서 이미지 보임
공부사진
59일차 후기
추천 시스템의 실 사례를 보면서 많이 배웠다.
본 포스팅은 패스트캠퍼스 환급 챌린지 참여를 위해 작성하였습니다.
'2024년 패스트 캠퍼스 챌린지' 카테고리의 다른 글