| 여보게의 추천 모델은 Factorization Machine(FM)을 기반으로 구현 되었습니다. |
Factorization Machine(FM)은 classification, regression, ranking이 가능한 general predictor이며, 특히 추천 시스템에서 대표적인 알고리즘으로 사용되고 있다. FM은 매우 희소한 데이터에서도 정확히 모델 파라미터를 추정할 수 있으며, 선형 시간으로 학습이 가능한 장점을 지니고 있다. 이러한 특성으로 인해 FM은 현실에서 나타나는 추천 문제에서 이상적인 결과를 낼 수 있다. 기존 Matrix Factorization(MF)과 달리 사용자와 아이템에 대한 여러 메타 데이터를 포함한 feature vector를 통해 사용자과 아이템 간의 관계를 표현한다.
References. Towards Data Science
| 기능 | End Point | Request Body | 설명 |
|---|---|---|---|
| 장르별 개인 추천 | /recommends |
{ "user_id": int, "genre_id": int } |
user_id의 사용자에 대해 genre_id를 가진 보드게임 중 모델이 예측한 10개의 추천 보드게임 id 목록을 생성합니다. |
| 그룹 추천 | /recommends/group |
{ "members": list[int], "seed": int } |
members에 해당하는 사용자들 별로 각각 선호할 것으로 예상되는 보드게임 목록을 생성한 뒤 가장 많은 인원의 목록에서 나타난 보드게임 id로 추천 목록을 구성합니다. |
