Repository files navigation

각 파일에 대한 설명은https://lsjsj92.tistory.com/ 블로그에 올려두었습니다. 상세주소는 각 파일 최상단에 있으니 참고바랍니다.

1. recommender system basic

• 추천 시스템 기본 유형 소개 : 이론
  • content based filtering
  • collaborative filtering

2. recommender system basic with Python - 1 content based filtering

• 파이썬을 활용해 content based filtering 구현
• kaggle의 movies dataset 활용

3. recommender system basic with Python - 2 Collaborative Filtering

• 파이썬을 활용해 collaborative filtering 구현
• kaggle의 movies dataset, movielens dataset 활용

4. recommender system basic with Python - 3 Matrix Factorization

• 파이썬을 활용해 Matrix Factorization 구현 및 이론 설명
• kaggle의 movies dataset, movielens dataset 활용

5. naver news recommender

• Naver news 데이터를 활용해 추천 시스템 적용
• Doc2vec 등의 embedding 방법을 사용

6. deep learning recommender system

• 딥러닝 기반의 추천 시스템 활용 예제 코드
• Keras 활용

7. Wide & Deep recommender system

• Wide & Deep paper를 기반으로 한 추천 시스템 모델 구현
• 컨셉만 유지하면서 구현하였음
• Keras를 활용

8. Simple book recommender system with Keras(kaggle data)

• Kaggle에 있는 book 데이터를 활용한 간단한 추천 시스템 구현
• Keras를 활용해 만들 수 있는 기본적인 추천 모형 코드

9. recommender system using ChatGPT

• ChatGPT을 활용한 추천 시스템
• https://lsjsj92.tistory.com/657

10. LLM based explainability recsys

• LLM을 활용한 추천 시스템의 설명 가능성 부여
• LangChain, gpt-4o 활용
• https://lsjsj92.tistory.com/670