추천 시스템의 통계 기법 (실생활 추천 문제에 적용해보는 다양한 통계 기법)

디팍아가왈

DR.DEEPAKK.AGARWAL
빅데이터분석가로웹애플리케이션의검색능력개선에기여한최신머신러닝과통계기법을다년간개발및배포한경험을가지고있다.또한어려운빅데이터문제,특히추천시스템과컴퓨터광고분야의문제를해결하기위한연구를주도했다.미국통계협회(AmericanStatisticalAssociation)의선임연구원이며통계분야최고권위학술지의편집장을역임하고있다.

1부.소개

1장.소개
2장.전통적기법
3장.추천문제를위한탐색-이용
4장.평가방법


2부.일반적인문제상황

5장.문제구성과시스템설계
6장.최고인기항목추천
7장.특성-기반회귀를통한개인화
8장.요인모델을통한개인화
9장.잠재디리클레할당을통한요인분해
10장.정황-의존추천
11장.다목적최적화

◈이책의구성◈

1부에서는추천시스템문제를해결하기어려운이유와해결에사용하는주요개념,필요한배경지식등을소개한다.2장에서는과거추천시스템을개발할때사용했던전통적인방법을짚어본다.사용자와항목에관한정보를특성벡터로사용해서유사도함수,표준지도학습,협력필터링을통해사용자-항목페어점수를산정한다.전통적인기법에서는보통추천시스템에서나타나는탐색-이용딜레마를무시한다.3장에서는이문제가왜중요한지살펴보고이후장에서문제를해결하기위해사용하는주요개념을소개한다.4장에서는기술적해결책을다루기에앞서다양한추천알고리듬의성능을평가할때사용할수있는여러기법을다룬다.
2부에서는흔히발생하는문제의해결방법을자세히다룬다.5장에서는다양한문제상황을소개하고시스템아키텍처예시를제공하며,이어지는6,7,8장에서는일반적으로나타날수있는문제상황한가지씩다룬다.6장에서는최고-인기항목추천으로발생할수있는문제의해결책을알아보는데특히탐색-이용측면에집중한다.7장에서는특성-기반회귀를통한맞춤형추천을다루면서최신사용자-항목상호작용데이터를활용해서좋은솔루션으로빠르게발전할수있게모델을지속해서업데이트하는방법을집중적으로다룬다.8장에서는7장에서소개한기법을특성-기반회귀에서요인모델(행렬분해)로확장하게되고,동시에요인모델에서나타나는콜드-스타트문제에대한자연스러운해결책을알아본다.
3부에서는고급주제3가지를다룬다.9장에서는잠재디리클레할당,LDA주제모델사용하는수정행렬분해모델을가지고항목과사용자집단에서나타나는주제를동시에식별하는분해모델을다양한주제로소개한다.10장에서는추천된항목이사용자와밀접하게관련돼야할뿐만아니라문맥과도관련성을가져야할때(예:사용자가현재읽고있는뉴스기사와관련된항목을추천하는경우)발생하는문맥-의존추천문제를살펴본다.11장에서는수익과같이하나의목표를최대로늘릴때다른목표의손실이제한된(예:클릭수감소가5%이하)경우인제한된최적화접근법기반다-목적최적화를위한기본적인프레임워크를다룬다.

◈옮긴이의말◈

1950년대에인공지능이라는용어가처음소개됐을때까지만해도소수의전문가가복잡한수식과많은연산자원을가지고연구하던영역이었다.하지만최근관련하드웨어의발전과여러기업이나단체에서제공하는오픈소스도구를활용해누구라도필요한도구를간단하게설치하고딥러닝을직접경험해볼수있다.오늘날딥러닝관련기술은매우빠르게발전하고있다.하루만에새로운기술이개발되고있고,지금배우는기법이나도구가1년뒤에도여전히쓰일것인지알수없다.하지만딥러닝이기본적으로어떻게구현되는지,또근간을이루는수학적인개념이실습을통해익숙해지면차후새로운기법과도구를더욱쉽게활용할수있다.
머신러닝,딥러닝분야의대부분용어는영어로번역이필요하지만,국내에서활발하게사용된지어느정도시간이지났기때문에원문그대로사용했다.또한원문의의미를해치지않는선에서업계에서사용하는용어를쓰고자노력했다.