Book Rating Prediction

📌 프로젝트 개요

책과 관련된 정보와 소비자의 정보, 그리고 소비자가 실제로 부여한 평점을 활용하여 사용자가 주어진 책에 대해 얼마나 평점을 부여할지에 대해 예측합니다.

해당 경진대회는 소비자들의 책 구매 결정에 대한 도움을 주기 위한 개인화된 상품 추천 대회입니다.

🥇 프로젝트 결과

Public

Private

📋 프로젝트 수행 절차 및 방법

EDA

• 전체 텍스트 데이터 처리
• 사용자 연령대 분석
• 도서 ISBN 처리
• 도서 저자 처리
• 출판 년도 처리
• 출판사 처리
• 이미지 URL 처리
• 도서 카테고리 처리
• 책 요약 정보 처리

모델링

• 모든 Feature를 Categorization하여 사용하였습니다.
• Categorical features에 효과적인 Gradient Boosting Library인 Catboost를 활용했습니다.
• HPO(Hyper Parameter Optimization)는 Optuna를 활용했습니다.

Catboost 모델링

• CatBoostPruningCallback을 활용하여 HPO 도중 불필요한 실험을 중단하는 기법을 적용했습니다. (GPU 지원 x)
• 일반적인 Regression 문제에선 연속형 Label에 대해 Starfield K-Fold를 지원하지 않지만, 본 프로젝트의 Rating이 이산형으로 되어있어 사용했습니다.
• 특히, Rating 값의 분포 차이가 커서 Starfield K-Fold하는 것이 좋다고 판단했습니다.

CNN_FM, DeepCoNN 모델링

• 성능 향상을 위해 비정형 데이터(이미지, 텍스트)를 활용하는 CNN_FM과 DeepCoNN 모델을 학습하였습니다.
• 추후에, Catboost모델과 앙상블 진행했습니다.

모델 평가 및 개선

• Optuna를 활용하여 HPO 수행하였습니다.
• 다양한 Feature Engineering을 수행하여 모델의 성능을 향상시켰습니다.

🤖 팀원

노관옥	박경원	이석규	이진원	장성준

 

📚 Report & Presentation

Wrap-up Report (PDF)

프로젝트 수행 절차, 방법, 결과, 최종 평가, 팀원별 회고는 wrap-up report에서 더 자세히 확인하실 수 있습니다.

Presentation (PPT)

프로젝트 결과 발표 자료입니다.