---

😎곽동호 T5013 💰권수훈 T5017 😸박상우 T5081

😄이민호 T5140 😜이한정 T5166 ☺️이준원 T5237

Skills

---

Movie Recommendation

Table of Contents

1. 프로젝트 개요
2. 협업 규칙
3. 프로젝트 구조
4. 로드맵
5. 모델 사용 방법
6. 모델별 성능
7. 순위
8. Wrap up Report

프로젝트 개요

위의 그림과 같이 사용자의 영화 시청 이력 데이터를 활용하여 다음에 시청할 영화 및 좋아할 영화를 예측하는 것이 프로젝트의 목표입니다. 이 대회에서는 MovieLens 데이터를 전처리하여 사용되며, implicit feedback만 존재합니다. 시간순으로 정렬된 시퀀스에서 일부 아이템이 누락된 상황을 가정합니다. 이를 통해 실제 상황과 유사한 예측을 수행하는 것이 목표입니다.

• input: user의 implicit 데이터, item(movie)의 meta데이터
• output: user에게 추천하는 item을 user, item이 ','로 구분된 파일(csv) 로 제출합니다.

(back to top)

협업 규칙

• 협업 규칙

(back to top)

로드맵

(back to top)

프로젝트 구조

📦MovieRec
┣ 📂data
┣ 📂images
┣ 📂notebooks
┣ 📂src
┃ ┣ 📂ALS
┃ ┣ 📂EASE
┃ ┣ 📂Ensemble
┃ ┣ 📂Recbole
┃ ┗ 📂Sequential
┣ 📜README.md
┗ 📜RuleBook.md

(back to top)

모델 사용 방법

각 모델별 사용 방법입니다.

• ALS

• EASE

• Recbole

• Sequential

앙상블 방법

• Ensemble

(back to top)

모델별 성능

• RecBole

• 최종 제출 결과

(back to top)

순위

• Public 4/12

• Private 7/12

(back to top)

Wrap-up Report

Wrap-up Report

(back to top)