다양한 분야에서 활용되는 추천 시스템을 이해하는 데 필요한 통계 기법을 소개한다. 오래전부터 활용해 오고 있는 전통적인 기법부터 최근 새롭게 주목받고 있는 기법까지 다양한 추천 문제에 적합한 해법을 설계하고 구현하기 위해 필요한 여러 가지 기법을 실제 예제를 통해 살펴본다. 개념을 이해하고 적용해 볼 수 있는 간단한 문제뿐만 아니라 연관 항목 추천, 다목적 최적화 등 고급 주제까지 폭넓게 다룬다. 또한 항목과 사용자 분류, 특성 기반 등 분류 기법과 추천 문제를 생각할 때 필연적으로 따라오는 탐색-이용 딜레마부터 설계한 추천 시스템을 평가하는 방법까지 필요한 추천 시스템을 구현하기 위해 필요한 내용을 구체적으로 설명한다.
Contents
1부. 소개
1장. 소개
2장. 전통적 기법
3장. 추천 문제를 위한 탐색-이용
4장. 평가 방법
2부. 일반적인 문제 상황
5장. 문제 구성과 시스템 설계
6장. 최고 인기 항목 추천
7장. 특성-기반 회귀를 통한 개인화
8장. 요인 모델을 통한 개인화
9장. 잠재 디리클레 할당을 통한 요인 분해
10장. 정황-의존 추천
11장. 다목적 최적화
Author
디팍 아가왈,비 청 첸,최영재
빅데이터 분석가로 웹 애플리케이션의 검색 능력 개선에 기여한 최신 머신러닝과 통계 기법을 다년간 개발 및 배포한 경험을 가지고 있다. 또한 어려운 빅데이터 문제, 특히 추천 시스템과 컴퓨터 광고 분야의 문제를 해결하기 위한 연구를 주도했다. 미국통계협회(American Statistical Association)의 선임 연구원이며 통계 분야 최고권위 학술지의 편집장을 역임하고 있다.
빅데이터 분석가로 웹 애플리케이션의 검색 능력 개선에 기여한 최신 머신러닝과 통계 기법을 다년간 개발 및 배포한 경험을 가지고 있다. 또한 어려운 빅데이터 문제, 특히 추천 시스템과 컴퓨터 광고 분야의 문제를 해결하기 위한 연구를 주도했다. 미국통계협회(American Statistical Association)의 선임 연구원이며 통계 분야 최고권위 학술지의 편집장을 역임하고 있다.