추천 시스템 (기초부터 실무까지 머신러닝 추천 시스템 교과서)

차루아가르왈

CharuC.Aggarwal
뉴욕요크타운하이츠의IBMT.J.왓슨리서치센터의뛰어난연구회원(DRSM)이다.1993년IITKanpur에서학사학위를받았고1996년MIT에서박사학위를받았다.데이터마이닝분야에서폭넓게일해왔고,400개이상의논문을콘퍼런스와학술지에발표했으며80개이상의저작특허권이있다.데이터마이닝에관한교과서,특이치분석에관한포괄적인책을포함한15권의책을저술하거나편집했다.특허의상업적가치덕분에IBM에서마스터발명가로세번이나지정됐다.데이터스트림에서생물테러리스트위협탐지에대한연구로IBM기업상(2003)을수상했고,프라이버시기술에대한과학적인공헌으로IBM우수혁신상(2008)을수상했다.
데이터스트림및고차원적인작업에대한각각의작업을인정받아두개의IBM우수기술성과상(2009,2015)을수상했다.응축기반프라이버시보존데이터마이닝에관한연구로EDBT2014TestofTimeAward를수상했다.또한데이터마이닝분야에서영향력있는연구공헌에대한두가지최고상중하나인IEEEICDM연구공헌상(2015)을수상했다.
IEEE빅데이터콘퍼런스(2014)의총괄공동의장직과ACMCIKM콘퍼런스(2015),IEEEICDM콘퍼런스(2015),ACMKDD콘퍼런스(2016)프로그램공동의장직을역임했다.2004년부터2008년까지「IEEETransactionsonKnowledgeandDataEngineering」의부편집장으로일했다.「ACMTransactionsonKnowledgeDiscoveryfromData」의부편집장,「IEEETransactionsonBigData」의부편집장,「DataMiningandKnowledgeDiscoveryJournal」과「ACMSIGKDDExploration」의편집장,「KnowledgeandInformationSystemsJournal」의부편집장이다.Springer의간행물인「LectureNotesonSocialNetworks」자문위원회에서활동하고있으며데이터마이닝에관한SIAM활동그룹의부사장을역임했다.“contributionstoknowledgediscoveryanddataminingalgorithms”에관한SIAM,ACM,IEEE의펠로우다.

1장.추천시스템소개
1.1개요
1.2추천시스템의목표
1.21추천애플리케이션의범위
1.3추천시스템의기본모델
1.3.1협업필터링모델
1.3.1.1평점의종류
1.3.1.2결측치분석과의관계
1.3.1.3분류와회귀모델링의일반화로써의협업필터링
1.3.2콘텐츠기반추천시스템
1.3.3지식기반추천시스템
1.3.31효용기반추천시스템
1.3.4인구통계학적추천시스템
1.3.5하이브리드와앙상블기반추천시스템
1.3.6추천시스템의평가
1.4추천시스템의도메인특화과제
1.4.1컨텍스트기반추천시스템
1.4.2시간에민감한추천시스템
1.4.3위치기반추천시스템
1.4.4소셜추천시스템
1.4.4.1노드와링크의구조적추천
1.4.4.2사회적영향을고려한제품과콘텐츠추천
1.4.4.3신뢰할수있는추천시스템
1.4.4.4소셜태그피드백을활용한추천
1.5고급주제및애플리케이션
1.5.1추천시스템의콜드스타트문제
1.5.2공격에강한추천시스템
1.5.3그룹추천시스템
1.5.4다중기준추천시스템
1.5.5추천시스템의능동학습
1.5.6추천시스템의개인정보보호
1.5.7애플리케이션도메인
1.6요약
1.7참고문헌
1.8연습문제


2장.이웃기반협업필터링
2.1개요
2.2평점행렬의주요특징
2.3이웃기반방법론의평점예측
2.3.1사용자기반이웃모델
2.3.1.1유사도함수변형
2.3.1.2예측함수의변형
2.3.1.3피어그룹필터링의변형
2.3.1.4롱테일의영향
2.3.2아이템기반이웃모델
2.3.3효율적구현및계산복잡성
2.3.4사용자기반방법론과아이템기반방법론의비교
2.3.5이웃기반방법론의장점과단점
2.3.6사용자기반과아이템기반방법론의통합된관점
2.4클러스터링과이웃기반방법론
2.5차원축소와이웃기반방법론
2.5.1바이어스문제처리
2.5.1.1최대우도추정
2.5.1.2불완전한데이터의직접행렬인수분해
2.6이웃방법론의회귀모델링관점
2.6.1사용자기반최근접이웃회귀
2.6.1.1희소성및바이어스문제
2.6.2아이템기반가장근접이웃회귀
2.6.3사용자기반및아이템기반방법결합
2.6.4유사도가중치를이용하는조인트보간법
2.6.5희소선형모델(SLIM)
2.7이웃기반방법에대한그래프모델
2.7.1사용자-아이템그래프
2.7.1.1랜덤워크를이용한이웃정의
2.7.1.2카츠척도를이용한이웃정의
2.7.2사용자-사용자그래프
2.7.3아이템-아이템그래프
2.8요약
2.9참고문헌
2.10연습문제


3장.모델기반협업필터링
3.1개요
3.2의사결정및회귀트리
3.2.1의사결정트리를협업필터링으로확장
3.3규칙기반협업필터링
3.3.1협업필터링을위한레버리지연관규칙의활용
3.3.2아이템별모델대사용자별모델
3.4나이브베이즈협업필터링
3.4.1과적합조정
3.4.2이진평점에대한베이즈방법의적용예
3.5임의의분류모델을블랙박스로사용
3.5.1예:신경망을블랙박스로사용
3.6잠재요인모델
3.6.1잠재요인모델에대한기하학적직관
3.6.2잠재요인모델에관한저차원직관
3.6.3기본행렬인수분해원리
3.6.4제약없는행렬인수분해
3.6.4.1확률적경사하강법
3.6.4.2정규화
3.6.4.3점진적잠재성분훈련
3.6.4.4최소제곱과좌표하강의교차적용
3.6.4.5사용자및아이템바이어스통합
3.6.4.6암시적피드백통합
3.6.5특이값분해
3.6.5.1SVD에대한간단한반복접근법
3.6.5.2최적화기반접근법
3.6.5.3표본외추천
3.6.5.4특이값분해의예
3.6.6비음행렬인수분해
3.6.6.1해석가능성의장점
3.6.6.2암시적피드백을사용한인수분해에대한고찰
3.6.6.3암시적피드백에대한계산및가중치문제
3.6.6.4좋아요와싫어요가모두있는평점
3.6.7행렬인수분해계열의이해
3.7분해와이웃모델통합
3.7.1베이스라인추정모델:개인화되지않은바이어스중심모델
3.7.2모델의이웃부분
3.7.3모델의잠재요인부분
3.7.4이웃및잠재요인부분의통합
3.7.5최적화모델풀기
3.7.6정확도에대한고찰
3.7.7잠재요인모델을임의모델과통합
3.8요약
3.9참고문헌
3.10연습문제


4장.콘텐츠기반추천시스템
4.1개요
4.2콘텐츠기반시스템의기본구성요소
4.3전처리및피처추출
4.3.1피처추출
4.3.1.1상품추천의예
4.3.1.2웹페이지추천의예
4.3.1.3음악추천의예
4.3.2피처표현및정제
4.3.3사용자가좋아하는것과싫어하는것수집
4.3.4지도피처선택과가중치설정
4.3.4.1지니계수
4.3.4.2엔트로피
4.3.4.3X2-통계
4.3.4.4정규화된편차
4.3.4.5피처가중치설정
4.4사용자프로파일학습및필터링
4.4.1최근접이웃분류
4.4.2사례기반추천시스템과의연결
4.4.3베이즈분류모델
4.4.3.1중간확률추정
4.4.3.2베이즈모델의예
4.4.4규칙기반분류모델
4.4.4.1규칙기반방법의예
4.4.5회귀기반모델
4.4.6기타학습모델및비교개요
4.4.7콘텐츠기반시스템에관한설명
4.5콘텐츠기반대협업필터링추천
4.6협업필터링시스템을위한콘텐츠기반모델사용
4.61사용자프로파일활용
4.7요약
4.8참고문헌
4.9연습문제


5장.지식기반추천시스템
5.1개요
5.2제약조건기반추천시스템
5.2.1관련결과의반환
5.2.2상호작용방법론
5.2.3일치하는아이템의순위매기기
5.2.4허용되지않는결과또는공집합처리
5.2.5제약조건추가
5.3사례기반추천
5.3.1유사도메트릭
5.3.1.1유사도계산에다양성통합
5.3.2수정방법론
5.3.2.1간단한수정
5.3.2.2복합적수정
5.3.2.3동적수정
5.3.3수정에대한설명
5.4지식기반시스템의지속적인개인화
5.5요약
5.6참고문헌
5.7연습문제


6장.앙상블기반과하이브리드추천시스템
6.1개요
6.2분류관점에서본앙상블방법
6.3가중하이브리드
6.3.1다양한유형의모델조합
6.3.2분류에서배깅적응
6.3.3무작위성의주입
6.4스위칭하이브리드
6.4.1콜드스타트문제를위한스위칭메커니즘
6.4.2모델버킷
6.5캐스케이드하이브리드
6.5.1추천의연속적인재정의
6.5.2부스팅
6.5.2.1가중기본모델
6.6피처증강하이브리드
6.7메타레벨하이브리드
6.8피처결합하이브리드
6.8.1회귀및행렬인수분해
6.8.2메타레벨피처
6.9혼합하이브리드
6.10요약
6.11참고문헌
6.12연습문제


7장.추천시스템평가
7.1개요
7.2평가패러다임
7.2.1사용자연구
7.2.2온라인평가
7.2.3과거데이터세트를사용한오프라인평가
7.3평가디자인의일반적목표
7.3.1정확성
7.3.2커버리지
7.3.3신뢰도와신뢰
7.3.4참신성
7.3.5의외성
7.3.6다양성
7.3.7강건성과안정성
7.3.8확장성
7.4오프라인추천평가의설계문제
7.4.1넷플릭스프라이즈데이터세트사례연구
7.4.2학습및테스트평점분류
7.4.2.1홀드아웃
7.4.2.2교차검증
7.4.3분류설계와비교
7.5오프라인평가의정확도지표
7.5.1평점예측의정확도측정
7.5.1.1RMSE대MAE
7.5.1.2롱테일의영향력
7.5.2상관관계를통한순위평가
7.5.3유용성을통한순위평가
7.5.4수신자조작특성을통한순위평가
7.5.5어떤순위측정척도가가장좋은가?
7.6평가측정척도의한계
7.6.1평가조작방지
7.7요약
7.8참고문헌
7.9연습문제


8장.컨텍스트에맞는추천시스템
8.1개요
8.2다차원접근법
8.2.1계층구조의중요성
8.3컨텍스트사전필터링:감소기반접근방식
8.3.1앙상블기반개선사항
8.3.2다단계추정
8.4사후필터링방법론
8.5컨텍스트별모델링
8.5.1이웃기반방법
8.5.2잠재요인모델
8.5.2.1인수분해머신
8.5.2.22차인수분해머신의일반화
8.5.2.3잠재파라미터화의다른적용사례
8.5.3콘텐츠기반모델
8.6요약
8.7참고문헌
8.8연습문제


9장.시간과위치에민감한추천시스템
9.1개요
9.2시간적협업필터링
9.2.1최신성기반모델
9.2.1.1감쇠기반방법
9.2.1.2윈도우기반방법
9.2.2주기적컨텍스트처리
9.2.2.1사전필터링과사후필터링
9.2.2.2시간적컨텍스트의직접적인포함
9.2.3시간함수로서의평점모델링
9.2.3.1시간-SVD++모델
9.3이산시간모델
9.3.1마르코프모델
9.3.1.1선택적마르코프모델
9.3.1.2다른마르코프대안
9.3.2순차패턴마이닝
9.4위치인식추천시스템
9.4.1선호지역
9.4.2여행지역
9.4.3선호도와여행위치조합
9.5요약
9.6참고문헌
9.7연습문제


10장.네트워크의구조추천
10.1개요
10.2순위알고리듬
10.2.1페이지랭크
10.2.2개인화된페이지랭크
10.2.3이웃기반방법에대한응용
10.2.3.1소셜네트워크추천
10.2.3.2이종소셜미디어의개인화
10.2.3.3전통적인협업필터링
10.2.4유사도랭크
10.2.5검색과추천의관계
10.3집단분류에의한추천
10.3.1반복분류알고리듬
10.3.2랜덤워크를통한레이블전파
10.3