철솜_STUDY

1/30 회의 진행  #alibaba, aliexpress, amazon 중복 리뷰 아이디 확인 reviewId275f465b-a58b-439e-ae7c-f9f6dcf2634d 143557460-4735-4da4-a9d1-1109567cca5b 1b0cb358c-1683-4f2c-945c-3aeb9db8bd63 12330300c-c952-42ec-9159-598916e798bb 1cfba701a-e4fe-4897-a10f-a401095f4d19 1 ..aff20cdb-7797-4f06-a5ca-de854b85416c 199d6cd4f-d9a8-480a-9425-ff7f52244431 17b62ef9c..

1/25 진행 회의주제처음에 생각했던 거는 각 쇼핑몰 별 상품 리뷰 텍스트 분석을 해서 평점을 예측하는 프로젝트였는데 세부적으로 확인하니까 각 쇼핑몰 앱에 대한 리뷰 + 평점이더라고요... 그래서 처음 생각한 주제에 맞는 데이터 세트를 캐글에서 찾아봤는데 너무 예전 데이터 셋이거나 부적절해 보여서 지금 데이터 셋으로 진행하는 게 나을 거 같다고 생각했습니다..! 혹시 비슷한 주제로 다른 데이터 세트를 사용하고 싶으시면 더 찾아보고 진행해도 괜찮을 것 같아요..! 꼼꼼하게 확인하지 못 해서 죄송합니다 ㅠ칼럼에 대한 설명reviewId : 이 칼럼은 없애도 될 것 같습니다. 어차피 행 구분용 칼럼이어서 큰 의미도 없고, 문자열이어서 처리도 번거로울 것 같아요!content : 이 칼럼은 실제 리뷰에 대한 내..

CH.9.1_ 추천 시스템의 개요와 배경 추천 시스템의 중요성아마존과 같은 전자상거래 업체부터 넷플릭스, 유튜브 등 콘텐츠 포털까지 활용하고 있음사용자의 취향을 이해하고 맞춤 상품과 콘텐츠를 제공해 조금이라도 오래동안 자기 사이트에 고객을 머무르게 하기 위해 전력을 기울이고 있음정교한 추천시스템은 사용자에게 높은 신뢰도를 주고 사용자가 의존하게 만듦추천 시스템 방식콘텐츠 기반 필터링 (Content Based Filtering)협업 필터링 (Collaborative Filtering)하이브리드 (콘텐츠 기반 + 협업 필터링)CH.9.2_컨텐츠 기반 필터링사용자가 특정한 아이템을 매우 선호하는 경우, 그 아이템과 비슷한 콘텐츠를 가진 다른 아이템을 추천하는 방식일반적인 프로세스컨텐츠 기반 필터링 구현 프로..