HOME > 상세정보

상세정보

추천 시스템의 통계 기법 : 실생활 추천 문제에 적용해보는 다양한 통계 기법

자료유형
단행본
개인저자
Agarwal, Deepak K. 청 첸, 비, 저 최영재, 역
서명 / 저자사항
추천 시스템의 통계 기법 : 실생활 추천 문제에 적용해보는 다양한 통계 기법 / 디팍 아가왈, 비 청 첸 지음 ; 최영재 옮김
발행사항
서울 :   에이콘출판,   2022  
형태사항
371 p. : 삽화 ; 23 cm
총서사항
에이콘 데이터 과학 시리즈
원표제
Statistical methods for recommender systems
ISBN
9791161756462
일반주기
색인수록  
000 00000cam c2200205 c 4500
001 000046124253
005 20220901103802
007 ta
008 220809s2022 ulka 001a kor
020 ▼a 9791161756462 ▼g 93000
040 ▼a 211009 ▼c 211009 ▼d 211009
041 1 ▼a kor ▼h eng
082 0 4 ▼a 006.33 ▼2 23
085 ▼a 006.33 ▼2 DDCK
090 ▼a 006.33 ▼b 2022
100 1 ▼a Agarwal, Deepak K.
245 1 0 ▼a 추천 시스템의 통계 기법 : ▼b 실생활 추천 문제에 적용해보는 다양한 통계 기법 / ▼d 디팍 아가왈, ▼e 비 청 첸 지음 ; ▼e 최영재 옮김
246 1 9 ▼a Statistical methods for recommender systems
260 ▼a 서울 : ▼b 에이콘출판, ▼c 2022
300 ▼a 371 p. : ▼b 삽화 ; ▼c 23 cm
490 1 0 ▼a 에이콘 데이터 과학 시리즈
500 ▼a 색인수록
546 ▼a 영어로 된 원저작을 한국어로 번역
700 1 ▼a 청 첸, 비, ▼e
700 1 ▼a 최영재, ▼e
830 0 ▼a 에이콘 데이터 과학 시리즈
900 1 0 ▼a 아가왈, 디팍, ▼e

소장정보

No. 소장처 청구기호 등록번호 도서상태 반납예정일 예약 서비스
No. 1 소장처 세종학술정보원/과학기술실/ 청구기호 006.33 2022 등록번호 151360966 도서상태 대출가능 반납예정일 예약 서비스 B M

컨텐츠정보

책소개

다양한 분야에서 활용되는 추천 시스템을 이해하는 데 필요한 통계 기법을 소개한다. 오래전부터 활용해 오고 있는 전통적인 기법부터 최근 새롭게 주목받고 있는 기법까지 다양한 추천 문제에 적합한 해법을 설계하고 구현하기 위해 필요한 여러 가지 기법을 실제 예제를 통해 살펴본다. 개념을 이해하고 적용해 볼 수 있는 간단한 문제뿐만 아니라 연관 항목 추천, 다목적 최적화 등 고급 주제까지 폭넓게 다룬다. 또한 항목과 사용자 분류, 특성 기반 등 분류 기법과 추천 문제를 생각할 때 필연적으로 따라오는 탐색-이용 딜레마부터 설계한 추천 시스템을 평가하는 방법까지 필요한 추천 시스템을 구현하기 위해 필요한 내용을 구체적으로 설명한다.

◈ 이 책의 구성 ◈

1부에서는 추천 시스템 문제를 해결하기 어려운 이유와 해결에 사용하는 주요 개념, 필요한 배경지식 등을 소개한다. 2장에서는 과거 추천 시스템을 개발할 때 사용했던 전통적인 방법을 짚어본다. 사용자와 항목에 관한 정보를 특성 벡터로 사용해서 유사도 함수, 표준 지도 학습, 협력 필터링을 통해 사용자-항목 페어 점수를 산정한다. 전통적인 기법에서는 보통 추천 시스템에서 나타나는 탐색-이용 딜레마를 무시한다. 3장에서는 이 문제가 왜 중요한지 살펴보고 이후 장에서 문제를 해결하기 위해 사용하는 주요 개념을 소개한다. 4장에서는 기술적 해결책을 다루기에 앞서 다양한 추천 알고리듬의 성능을 평가할 때 사용할 수 있는 여러 기법을 다룬다.
2부에서는 흔히 발생하는 문제의 해결 방법을 자세히 다룬다. 5장에서는 다양한 문제 상황을 소개하고 시스템 아키텍처 예시를 제공하며, 이어지는 6, 7, 8장에서는 일반적으로 나타날 수 있는 문제 상황 한 가지씩 다룬다. 6장에서는 최고-인기 항목 추천으로 발생할 수 있는 문제의 해결책을 알아보는데 특히 탐색-이용 측면에 집중한다. 7장에서는 특성-기반 회귀를 통한 맞춤형 추천을 다루면서 최신 사용자-항목 상호작용 데이터를 활용해서 좋은 솔루션으로 빠르게 발전할 수 있게 모델을 지속해서 업데이트하는 방법을 집중적으로 다룬다. 8장에서는 7장에서 소개한 기법을 특성-기반 회귀에서 요인 모델(행렬 분해)로 확장하게 되고, 동시에 요인 모델에서 나타나는 콜드-스타트 문제에 대한 자연스러운 해결책을 알아본다.
3부에서는 고급 주제 3가지를 다룬다. 9장에서는 잠재 디리클레 할당, LDA 주제 모델 사용하는 수정 행렬 분해 모델을 가지고 항목과 사용자 집단에서 나타나는 주제를 동시에 식별하는 분해 모델을 다양한 주제로 소개한다. 10장에서는 추천된 항목이 사용자와 밀접하게 관련돼야 할 뿐만 아니라 문맥과도 관련성을 가져야 할 때(예: 사용자가 현재 읽고 있는 뉴스 기사와 관련된 항목을 추천하는 경우) 발생하는 문맥-의존 추천 문제를 살펴본다. 11장에서는 수익과 같이 하나의 목표를 최대로 늘릴 때 다른 목표의 손실이 제한된(예: 클릭 수 감소가 5% 이하) 경우인 제한된 최적화 접근법 기반 다-목적 최적화를 위한 기본적인 프레임워크를 다룬다.


정보제공 : Aladin

저자소개

비 청 첸(지은이)

최신 추천 시스템 개발에 많은 실무 및 연구 경험을 가진 선구적인 기술자다. 링크드인 홈페이지와 모바일 피드, 야후! 홈페이지, 야후! 뉴스 그 외 여러 사이트의 중심이 되는 추천 알고리듬의 핵심 설계자다. 연구 분야로는 추천 시스템, 데이터 마이닝(data mining), 머신러닝, 빅데이터 분석 등이 있다.

디팍 아가왈(지은이)

빅데이터 분석가로 웹 애플리케이션의 검색 능력 개선에 기여한 최신 머신러닝과 통계 기법을 다년간 개발 및 배포한 경험을 가지고 있다. 또한 어려운 빅데이터 문제, 특히 추천 시스템과 컴퓨터 광고 분야의 문제를 해결하기 위한 연구를 주도했다. 미국통계협회(American Statistical Association)의 선임 연구원이며 통계 분야 최고권위 학술지의 편집장을 역임하고 있다.

최영재(지은이)

소프트웨어 분야에서 일하면서 좀 더 좋은 품질의 제품을 만들기 위해 노력해 왔다. 현재는 소프트웨어 공학과 관련 강의를 하고 있으며, 어떻게 하면 좀 더 신뢰할 수 있고 사용자가 안심하고 사용할 수 있는 소프트웨어를 만들지 고민하고 있다. 소프트웨어 관련 국내외 표준과 여러 지식 체계에 참여하고 있으며, 최근에는 어떻게 하면 누구나 신뢰하면서 사용할 수 있는 인공지능 시스템을 만들 수 있는지에 관심을 갖고 있다. 예측 모델, 추천 시스템 등 인공지능이 인간의 삶에 줄 수 있는 많은 가치를 실현하기 위해서는 모델이 가진 한계를 이해하고 또한 인공지능이 왜 무언가를 어떤 방식으로 예측했는지 이해할 필요가 있다고 생각한다.

정보제공 : Aladin

목차

1부. 소개

1장. 소개
2장. 전통적 기법
3장. 추천 문제를 위한 탐색-이용
4장. 평가 방법

2부. 일반적인 문제 상황

5장. 문제 구성과 시스템 설계
6장. 최고 인기 항목 추천
7장. 특성-기반 회귀를 통한 개인화
8장. 요인 모델을 통한 개인화
9장. 잠재 디리클레 할당을 통한 요인 분해
10장. 정황-의존 추천
11장. 다목적 최적화


정보제공 : Aladin

관련분야 신착자료