검색에 사용되는 추천 기법들과 효과에 대해서 잘 설명한 논문이 있어서 소개합니다. 새로운 추천 기법이나 알고리즘을 소개하는 논문은 아니고, 어떤 포인트에서 어떻게 추천을 했더니, 어떠한 차이점과 효과가 있더라... 라는 내용을 담은 실험 논문입니다. "Studying the Use Of Popular Destinations to Enhance Web Search Interaction" - by Ryen White, Mikhail Bilenko, Silviu Cucerzan - SIGIR 2007 (최우수 논문으로 선정) - http://research.microsoft.com/en-us/um/people/ryenw/papers/WhiteSIGIR2007a.pdf(정보검색 분야에서 역사와 전통을 자랑하는 ..

추천 알고리즘의 효과 내지 정확성/유효성을 측정하는 지표 중 하나가 Recall과 Precision입니다. (업계 보다는 학계에서 주로 쓰임. 추천 시스템뿐만 아니라 유사한 여러 분야에서 쓰이는 지표라고 함) 예를 들어 설명) 1. 결혼정보 추천 시스템에서 박지성에게 {박지선, 김지선, 아이유, 유인나, 나문희}를 추천했습니다. 2. 박지성은 이사람 저사람 보다가 {아이유, 유인나, 구하라}와의 데이트를 신청했습니다. 추천 시스템에서 추천한 사람은 5명. 박지성이 선택한 사람은 3명. 박지성이 선택한 3명 중에서 추천 시스템에서 추천한 사람은 2명. 이럴 때... Precision = 박지성이 선택한 사람 중 추천 시스템에서 추천한 사람 / 추천 시스템에서 추천한 사람 = 2 / 5 = 0.4 Recal..

개인화 추천에 관련된 책(논문집) 한 권 소개합니다. Recommender Systems Handbook [2011] - Francesco Ricci, Lior Rokach, Bracha Shapira, Paul B. Kantor (Eds.) - Springer (출판 : 28 Oct 2010) 개인화 추천에 관련된 기본 배경 기술과 최근의 연구 내용을 모은 책(논문집)입니다. 좀 두껍기는 하지만... 가격도 좀 비싸지만...^^ 읽을만한 논문들을 다수 포함하고 있습니다. 수록된 논문은 아래와 같습니다. 그리고, 일부 인터넷에서 PDF 파일로 다운로드 받을 수 있는 논문들의 경우에는 링크를 달아 놓았습니다. Part I - Basic Techniques ----------------------------..

검색은 웹 사이트에서 우리가 찾고자하는 자료나 문서, 이미지 등을 가장 빠르고 손쉽게 찾는 수단이지요. 그렇기 때문에 전문적인 검색 서비스를 제공하는 네이버, 다음, 구글 외에도 거의 모든 사이트에서 검색 기능을 제공합니다. 검색이라는 것은 입력된 '검색어'와 가장 잘 '매칭'되는 것을 찾아줍니다. 어떤 검색어를 사용하는가에 따라 검색 결과도 많이 달라지지요. 한 가지 예를 들어 보겠습니다. 요즘 '땅콩집'이 세간의 주목을 받고 있죠? 땅값이 너무나 비싼 서울경기 지역. 한 필지에 두 가구가 함께 집을 지음으로써 땅값을 반만 부담하게 되고, 설계비 부담도 반 띵. 결과적으로 집짓기 비용을 대폭 낮출 수 있다는 말이지요. 그렇다면... '땅콩집'에 대한 책을 한 번 찾아 볼까요? 인터넷 서점 예스24로 한..

지난번에 "거꾸로 읽는 세계사"라는 책을 읽거나 산 사람들을 대상으로 아래의 책들 중에서 읽은 것 또는 가지고 있는 것들을 표시해 달라고 했었죠? 고마운 몇 분들이 답을 주셨습니다. 괄호 안에 함께 읽었거나, 또는 그 책도 가지고 있다고 하신 분들의 수를 표시했습니다. (예- "거꾸로 읽는 세계사"라는 책과 "르몽드 세계사"를 모두 읽었거나 함께 가지고 있는 사람은 1명이라는 뜻) 1. 내 머리로 생각하는 역사 이야기 ----- (0) 2. 총, 균, 쇠 ------------------------- (0) 3. 거꾸로 읽는 한국사 ---------------- (1) 4. 사기열전 2 ----------------------- (1) 5. 르몽드 세계사 -------------------- (1) 6...

Anand Rajaraman과 Jeffrey Ullman이 스탠포드 대학에서 "Web Mining"이라는 과목의 수업교재로 사용하는 "Mining of Massive Datasets"라는 교재의 제9장(Chapter 9) "Recommendation Systems"에 소개된 개인화 추천 시스템과 관련된 기술들의 관계입니다. 개인화 추천 기술 분류 Content-Based Recommendation Item Profiling Discovering Features TF.IDF (Term Frequency - Inverse Document Frequency) Distance/Similarity (Chap. 3, "Finding Similar Items" 참조) Measures Jaccard, Cosine, ...