일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | 2 | 3 | 4 | |||
5 | 6 | 7 | 8 | 9 | 10 | 11 |
12 | 13 | 14 | 15 | 16 | 17 | 18 |
19 | 20 | 21 | 22 | 23 | 24 | 25 |
26 | 27 | 28 | 29 | 30 | 31 |
Tags
- BERT
- MSCS
- 언어모델
- nlp
- transformer
- 추천시스템
- 미국석사
- 플랫폼
- 자연어처리
- llm
- COFIBA
- 메타버스
- MAB
- chatGPT
- BANDiT
- Collaborative Filtering Bandit
- RecSys
- TFX
- 네트워크
- AWS
- aws자격증
- BERT이해
- docker
- HTTP
- 클라우드자격증
- 클라우드
- 머신러닝 파이프라인
- MLOps
- 머신러닝
- 중국플랫폼
Archives
- Today
- Total
목록이커머스추천 (1)
Julie의 Tech 블로그
추천시스템 - (4) 이커머스 추천 문제
본 글은 이커머스 시장에서의 추천 시스템을 어떻게 구현하는지 개괄적으로 살펴볼 것이다. 이커머스에는 여러 종류가 있다. 쿠팡 / 11번가 / G마켓은 종합 커머스이고, 무신사는 패션 커머스에 해당한다. 하지만 이커머스의 추천은 대체로 유사하게 흘러간다. 대략적으로 틀을 잡으면 아래와 같다. 1. 홈 : 개인화 추천, 인기 상품 추천, 성별/연령 기반 추천 2. 검색 : 검색어 추천(인기 검색어 등), 검색어와 연관 상품 추천 3. 상품상세 페이지 : 주로 대체 상품 추천 (연관 상품 추천도 있음) 4. 장바구니 페이지 : 보완 상품 추천 어떤 추천을 할 것인가라는 문제를 풀기 위한 방식으로 모델을 분류해볼 수 있다. 예를 들어 모델 알고리즘으로는 대표적으로 CBF(Context-based Filterin..
Tech/RecSys
2022. 1. 2. 22:57