4. Machine Learning 도입

Matrix Factorization(MF)

    - R = PQ 로 분해

 

단점 : user-item 외의 정보 사용 x (content-aware 데이터를 사용할 수 없다)

Content-aware 데이터를 사용하기 위해 Machine Learning에 사용되는 데이터 형태로 만들어보면 sparsity가 매우 높다.

따라서 Latent Factor Model을 통해 user와 item을 축약하여 표현.

Latent Factor Model : user-tiem interaction을 저차원으로 표현

 

 

Factorization Machine(FM)

    - Latent Factor를 통해 user, item을 표현하고 content-aware 정보 또한 Machine Learning의 데이터 형태로 붙인 것

 

Field-aware Factorization Machine(FFM)

    - Latent Factor를 구성할 때 대응되는 field를 미리 고려하여 대응되는 field와의 상호작용만 계산하는 것.