junwoopark92 / 2018-sk-tnb-codechallenge Goto Github PK

기간동안 시청이력이 많은 순서로 50개의 영화를 동일하게 추천 mAP:14%

시청이력 시퀀스를 입력으로 받아 이후 시청할 영화 1개를 예측 영화 예측확률로 argmax 50으로 50개의 영화 추천 mAP: 25% 10epoch: 25.7%

lstm의 output을 onehot이 아닌 word2vec의 벡터를 예측하도록 한후 cosine most similiar 50으로 50개의 영화 추천 1epoch mAP: 19.2% 5epoch mAP: 19.4%

기존 lstm model에 movie의 release month를 추가

bidirectional lstm, attention model, feature별로 rnn 따로 레이어를 만들어 concat
sigmoid, cross entropy
영화2vec
네이버 영화 데이터 크롤링

item2vec, handcraft feature => bidrectional lstm => 8000개 영화
item2vec만 30.8, handcraft feature 추가 31.9

seq2seq model 사용 -> 학습하는데 2시간
learning to rank -> 학습하는데 2분
loss 설게시 k/50 씩 더해서 했다고함
시청횟수 적은애들 제거함