Movie Recommendation

본 프로젝트의 목표는 MovieLens 데이터셋을 이용하여 추천 모델을 구축하는 것입니다. 사용자의 영화 시청 이력을 바탕으로 사용자가 다음에 시청할 영화 혹은 영화와 영화 중간에 들어갈 영화를 예측합니다. 평가 지표는 Recall@10 입니다.

팀원 소개

이름	역할
강민수	EDA, Model experiments (BPR, WideDeep, FM, FFM, DeepFM, DCN, SASRecF)
김진명	EDA, Feature Engineering, Model experiments (BERT4Rec, SASRec, RECVAE, S3Rec)
박경태	EDA, Feature Engineering, Model experiments (MultiVAE, LightGCN)
박용욱	EDA, Model experiments (EASE, GRU4Rec, RecVAE, S3Rec)

활용 장비 및 도구

• 서버: V100 GPU 서버
• 개발 IDE: Jupyter Notebook, VS Code
• 협업 Tool: Notion, Slack, Zoom, Github

데이터 구조

train
    ├── Ml_item2attributes.json      # category -> index 
    ├── directors.tsv                # director by movie data
    ├── genres.tsv                   # genre by movie data
    ├── titles.tsv                   # title by movie data
    ├── train_ratings.csv            # interaction (user, item, timestamp)
    ├── writers.tsv                  # writer by movie data
    └── years.tsv                    # year by movie data

폴더 구조

level2_movierecommendation_recsys-level2-recsys-05
├── code                    # 대회 baseline 코드
│   ├── base
│   ├── data_loader
│   ├── datasets
│   ├── logger
│   ├── model
│   ├── trainer
│   └── utils
├── eda                     # EDA 코드
└── feature_engineering     # Feature Engineering 코드

수행 결과

• EASE 단일 모델
• Recall@10 : 0.1600(public, 12th) -> 0.1600(private, 12th)