LEVEL3 U Stage - Movie Recommendation

목차

팀원 소개

최종 결과

프로젝트 개요

프로젝트 구조

설치 및 시작

2️⃣ RecSys_2조 2️⃣

팀원 소개

김동영_4028	민복기_T4074	박경준_T4076	오희정_T4129	용희원_T4130

 

최종 결과

• public

• private

프로젝트 개요

• 프로젝트 주제

  사용자의 영화 시청 이력 데이터를 바탕으로 사용자가 다음에 시청할 영화 및 좋아할 영화를 예측하는 것

  • timestamp를 고려한 사용자의 순차적인 이력
  • implicit feedback
  • 아이템 (영화)과 관련된 content (side-information)의 활용방안

• 프로젝트 개요

  • input: user의 implicit 데이터, item(movie)의 meta데이터
  • output: user에게 추천하는 item을 user, item이 ','로 구분된 파일(csv) 로 제출
  • metrics : normalized Recall@K

• 데이터셋

  • 원본 데이터가 있다면 특정 시점 이후의 데이터 (sequential)와 특정 시점 이전의 일부 데이터(static) 데이터를 임의로 추출하여, 정답 (ground-truth) 데이터로 사용

  • 데이터셋 구조

    train
    ├── Ml_item2attributes.json      # item과 genre의 mapping 데이터
    ├── directors.tsv                # item, director
    ├── genres.tsv                   # item, genre -> 1:N
    ├── titles.tsv                   # item, title
    ├── train_ratings.csv            # user, item, timestamp
    ├── writers.tsv                  # item, writer
    └── years.tsv                    # item, year

프로젝트 구조

• 베이스라인 구조 (대회 제공 )

  

  code
  ├── datasets.py                        #
  │    ├── PretrainDataset
  │    └── SASRecDataset
  │
  ├── models.py                          #
  │    └── S3RecModel
  ├── modules.py                         #
  │    ├── LayerNorm
  │    ├── Embeddings
  │    ├── SelfAttention
  │    ├── Intermediate
  │    ├── Layer
  │    └── Encoder
  │
  ├── trainers.py                        #
  │    ├── Trainer
  │    ├── PretrainTrainer
  │    └── FinetuneTrainer
  │
  ├── inference.py                       #
  │
  ├── preprocessing.py                   #
  ├── utils.py                           #
  │
  ├── run_pretrain.py                    #
  ├── run_train.py                       #
  ├── sample_submission.ipynb            #
  ├── requirements.txt                   #
  └── output
    └── most_popular_submission.csv

• RecBole 베이스라인 구조

설치 및 시작

• 베이스라인

  ### Installation
  conda create -n movie_rec
  conda activate movie_rec
  pip install -r requirements.txt
  
  ### Pretraining
  python run_pretrain.py
  
  ### Fine-tuning (Main Training)
  # without pre-trained weight
  python run_train.py
  # with pre-trained weight
  python run_train.py --using_pretrain
  
  ### Inference
  python inference.py

• RecBole