-
이원도
서울대학교 융합과학기술대학원 지능정보융합학과 인간중심컴퓨팅 연구실에서 석사과정 중입니다. 추천시스템을 연구하며, 알고리즘과 더불어 유저 행동모델링에 관심있습니다.
박민주
서울대학교 융합과학기술대학원 지능정보융합학과 석사과정 재학 중이며, 음악오디오 연구실에 속해있습니다. 연구실 특성 상 오디오와 AI의 접점에 큰 관심을 두고 있고 개인 연구로는 음악 추천 시스템 연구를 진행하고 있습니다.
이수진
현재 웅진씽크빅에서 데이터 분석가로 재직중에 있습니다. 주로 추천 시스템과 DKT(Deep Knowledge Tracing)를 연구 및 개발하고 있으며 모델 서빙을 위한 파이프라인에도 관심이 많아 ML파이프라인 개발도 담당하고 있습니다.
-
좋은 추천이 뭔지에 대해 고민하시는 분
제대로 된 추천시스템을 만들고 싶어 매일 새로운 방법론에 대해 고민하시는 분
RecSys 2022 학회의 분위기와 나왔던 전반적 내용에 대해 궁금하신 분
-
RecSys 2022에 Accepted된 한국인 저자 2분의 논문을 한국어 설명으로 들을 수 있습니다.
어떤 추천이 좋은 추천인지 어떻게 하면 좋은 추천시스템을 만들지에 대한 인사이트를 얻을 수 있습니다.
실제 시애틀에서 열린 RecSys 2022 학회의 분위기와 실무자 관점에서의 인사이트를 얻을 수 있습니다.
유저가 열광하는 추천은 어떤 추천일까요? 유저가 가장 관심 있어할 추천 시스템을 만드는 방법은 다양합니다. 유저는 트렌디한 제품을 좋아할 가능성이 높을까? 비선호로 선호에 대한 추천이 가능할까? 요새는 어떤 추천을 많이 쓰지, 뭐 새로운 것은 없나? 많은 논문들이 나오는데 실제로 내 서비스에 적용할만한 것은 뭐 없을까? 고민하시는 분들을 위해 RecSys 2022의 논문 저자들과 직접 다녀오신 분의 경험을 들려드립니다.
아젠다
20:00 ~ 20:05 토크 오프닝
20:05 ~ 20:25 Countering Popularity Bias by Regularizing Score Differences - 이원도
추천시스템은 유저가 동일하게 좋아한 아이템이더라도 학습데이터에 더 많이 포함된 인기 있는 아이템에 대해 더 높은 추천점수를 예측합니다. 이러한 인기편향을 줄이기 위해, 학습과정의 손실함수를 수정해 추천시스템이 유저가 좋아한 아이템을 인기도에 상관없이 비슷한 추천점수로 예측하도록 했습니다. 추천시스템의 정확도를 거의 유지하며 인기편향을 줄일 수 있었습니다.
20:25 ~ 20:45 Exploiting Negative Preference in Content-based Music Recommendation with Contrastive Learning - 박민주
최근 RecSys 2022에서 발표한 "Exploiting Negative Preference in Content-based Music Recommendation with Contrastive Learning" 논문 소개 및 RecSys 참여 후기를 공유합니다.
20:45 ~ 21:05 RecSys2022, 그 후기 - 이수진
RecSys 2022 학회가 9월에 미국 시애틀에서 열렸고 우연히 기회가 닿아 오프라인으로 참석하고 왔습니다. 이번 시간을 통해 학회의 현장 분위기와 더불어 추천 시스템 트랜드, 연구(실무)자들의 관점 등에 대해서 전반적인 경험을 공유하고자 합니다.
🙋🏻♀️ 실시간 강연에 참석이 어려우신가요? 염려마세요!
등록해주신 분들께는 ‘다시보기' 링크를 전달드릴 예정이오니, 지금 바로 신청하세요!