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 |
Tags
- 메타버스
- 머신러닝 파이프라인
- RecSys
- HTTP
- BANDiT
- Collaborative Filtering Bandit
- TFX
- docker
- MSCS
- 언어모델
- BERT
- MAB
- 클라우드자격증
- chatGPT
- aws자격증
- AWS
- llm
- 머신러닝
- 자연어처리
- 추천시스템
- COFIBA
- 플랫폼
- transformer
- MLOps
- 네트워크
- 미국석사
- 중국플랫폼
- BERT이해
- nlp
- 클라우드
Archives
- Today
- Total
목록CAMARS (1)
Julie의 Tech 블로그
![](http://i1.daumcdn.net/thumb/C150x150/?fname=https://blog.kakaocdn.net/dn/bMazbi/btraLsmglt3/ieFncAUfOMpeSVxvdGTnOK/img.png)
Context Adaptation for Smart Recommender Systems https://www.researchgate.net/publication/284218062_Context_Adaptation_for_Smart_Recommender_Systems Introduction 이번에 리뷰할 논문은 지금껏 살펴봤던 알고리즘과 유사하게 context를 반영하는 Bandit 알고리즘이다. 본 논문은 추천 시스템에 있어 Context가 매우 중요하다는 논조로 시작된다. 훌륭한 알고리즘만으로 뛰어난 성과(CTR혹은 전환율)를 이끌어내긴 어렵다고 하며, 사용자의 context 요인도 알고리즘에 반영되어야한다고 한다. 주로 이커머스 시장에서의 추천 시스템에 초점을 맞춰두고 있으며, 아래와 같이 두 가지에..
Tech/RecSys
2021. 7. 30. 00:25