Introduction 단일 추천 모델은 각각 고유한 약점을 가진다. Collaborative Filtering은 cold-start에 취약하고, Content-Based는 과적합되며, Knowledge-Ba...
Introduction Knowledge-Based 추천시스템은 사용자의 명시적 요구사항과 도메인 지식을 활용하여 아이템을 추천한다. 평점 이력에 의존하지 않으므로 cold-start 문제에 강하며, 구매 빈...
Introduction Content-Based 추천시스템은 아이템의 속성(feature)과 사용자의 과거 선호를 기반��로 추천한다. 협업 필터링이 사용자-아이템 상호작용 패턴만을 활용하는 반면, Conte...
Introduction MAVE(Minimum Average Variance Estimator, Xia et al. 2002)는 $E(Y \mid X)$의 기울기를 비모수적으로 추정하여 central mean...
Introduction Neighborhood-Based CF는 직접적인 유사도 계산에 기반하지만, 대규모 데이터에서 계산 비용이 높고 희소성에 취약하다. Model-Based CF는 평점 행렬의 잠재 구조(...
Introduction Neighborhood-Based Collaborative Filtering은 추천 시스템의 가장 기본적인 접근 방식으로, 사용자-아이템 평점 행렬 $R$에서 유사한 사용자 또는 유사한...
Introduction 추천시스템은 사용자의 과거 행동, 선호, 아이템 속성 등을 활용하여 사용자가 관심을 가질 만한 아이템을 자동으로 제안하는 시스템이다. 정보 과부하(information overload)...
Introduction Li & Wang (2007)의 “On Directional Regression for Dimension Reduction” (JASA, 102(479))은 충분차원축소(Suff...
Introduction Group Lasso(Yuan & Lin, 2006)는 그룹 단위 변수 선택이 가능하지만, 모든 그룹에 동일한 페널티 강도 $\lambda$를 적용하기 때문에 추정 비효율성과 선...
Introduction Lasso(Tibshirani, 1996)는 $L_1$ 페널티를 통해 개별 변수를 선택하는 강력한 방법이지만, 설명변수가 그룹 구조를 가질 때는 적절하지 않다. 다요인 ANOVA에서 각...
A new version of content is available.
