추천시스템3 [DAY 92] 파이널프로젝트 7일차 - 마무리 파이널프로젝트 7일차 마무리 최종 트랜스포머 모델과 임베딩 피처를 결정하고 추천 플로우를 구현했다. 스트림릿으로 이를 확인한다. 임베딩 모델 변경 최종 모델을 결정했다. RoBERTa 기반의 pretrained SentenceTransformer ko-sroberta-multitask을 사용한다. raw_recipes = pd.read_csv('data/raw_recipes.csv') raw_recipes.head(5) raw data 확인 df = pd.read_pickle('data/compact_kosroberta_recipes.pkl') df.head(5) 전처리 완료 데이터 확인 벡터화된 컬럼이 보인다. 벡터화를 할 feature는 재료 뿐 아니라 요리 이름, 방법 등을 추가로 포함했다. 모델과.. 2023. 5. 8. [DAY 90] 파이널프로젝트 5일차 - 프로토타입 20230503(수) 파이널프로젝트 5일차 streamlit을 사용한 이번 프로젝트의 프로토타입이 나왔다. 프로토타입 사용자의 알레르기 정보 체크 원하는 요리 범주 체크 요리 난이도 체크 소요 시간 최댓값 입력 사용자의 정보를 통해 필터링된 데이터를 확인할 수 있다. 필터링을 거친 데이터를 통해 요리와 레시피를 추천받아 보자. chatGPT API를 이용해서 "달걀로 할 요리 추천해줘" 쿼리를 입력하고 응답 결과를 받는 데 성공했다. 2023. 5. 3. [DAY 84] Content based recommendation system 콘텐츠 기반 추천 시스템 추천시스템에 대한 개념을 익히고 실습했다. 생각보다 추천시스템의 역사가 오래되었고 방식도 다양하다는 점이 재미있었다. 추천 시스템 정보 필터링(IF) 기술의 일종으로, 특정 사용자가 관심을 가질만한 정보를 추천하는 것 크게 콘텐츠 기반 필터링(Content based filtering) 방식과 협업 필터링(Collaborative filtering) 방식이 있다. 추천 시스템의 예시로 카메라를 구매한다고 가정했을 때, 비슷한 카메라들을 보여준다든지 카메라 가방, 렌즈 등 관련 용품을 보여주는 형태가 된다. 추천 시스템의 역사 1. 2005 ~ 2010 : 연관 상품 추천 - Apriori 알고리즘, 빈번한 항목 집합 분석 및 연관 규칙 학습 2. 2010 ~ 2015 : 협업 필터링 - 축적된 사용자 행.. 2023. 4. 25. 이전 1 다음 반응형
