AI 코딩 기반 추천서비스 관련 자료

!! AI기반 추천서비스 관련 자료 소개드립니다.

1. 유투브 (1시간 분량)

https://www.youtube.com/watch?v=v_wnkwuoHew

 

2. 관련 블로그

https://yeomko.tistory.com/3?category=805638

https://yamalab.tistory.com/107?category=747907

https://rstatistics.tistory.com/29?category=713124

https://www.fun-coding.org/recommend_basic1.html

 

3. 참조 논문 (첨부파일)

- Matrix Factorization 모델은 부가 정보(암묵적인피드백, 일시적 효과, 신뢰 수준)의 결합을 바탕으로 기존의 Nearest-neighbor Technique에비해 상품 추천에 더 뛰어나다고 합니다. 추가 내용은 첨부 논문에서 확인할 수 있습니다. (Yehuda Koren, "Matrix Factorization Techniques forRecommender Systems", 2009)

- Factorization Machines는 Support Vector Machines에 Factorization model을 결합한 새로운 모델이라고 합니다. 추가내용은 첨부 논문에서 확인할 수 있습니다. (Steffen Rendle, "FactorizationMachines", 2010)

 

■ IRT(문항반응이론)와 CAT(컴퓨터적응형테스트)를잘 설명한 블로그와 강의 자료

 

1. http://iacat.org/?q=node/446

2. http://www.kocw.net/home/cview.do?cid=f449e4747f122dd7

 

 

■ DKT(DeepKnowledge Tracing) 관련 자료

문제풀이 이력을분석하여 숙련도를 추정하고 다음 문제를 맞출 수 있는 확률을 구하는 방법 이라고 합니다.

 

1. https://hcnoh.github.io/2019-06-14-deep-knowledge-tracing

2. https://hcnoh.github.io/2019-06-14-deep-knowledge-tracing