Movie Recommendation

OverView

본 프로젝트는 'Movie Recommendation'으로, 사용자의 영화 시청 이력 데이터를 토대로 사용자가 다음에 시청할 영화 및 좋아할 영화를 예측하는 기존 대회들과는 다르게 사용자의 영화 시청 이력에서 10개를 랜덤으로 제거한 후 제거된 시청 이력이 무엇인지를 맞춰야 하는 대회이다.

모든 사용자에게 10개의 영화를 추천하며, 이때 추천 리스트의 정확성(Recall@10)을 평가 기준으로 삼는다.

평가를 위한 정답(ground-truth) 데이터는 Sequential Recommendation 시나리오를 바탕으로 사용자의 Time-Ordered Sequence에서 일부 Item이 누락(dropout)된 상황을 상정한다

Component

프로젝트 디렉토리 구조

📦level2-movierecommendation-recsys-03-main
 ┗ 📂code
   ┣ 📂EASER
   ┣ 📂EDA
   ┣ 📂bert4rec
   ┣ 📂custom
   ┣ 📂multi
   ┣ 📂recbole
   ┃ ┗ 📂configs - .yaml
   ┃   ┣ ADMMSLIM, DIFFRec, EASE, deepfM
   ┃   ┣ fm, lightgcn, ract, recvae, 
   ┃   ┗ seq, slim
   ┣ 📂s3rec
   ┗ 📂voting

데이터셋 구조

📦level2-movierecommendation-recsys-03-main
 ┗ 📂train
	 ┣ 📜Ml_item2attributes.json
	 ┣ 📜directors.tsv
	 ┣ 📜genres.tsv
	 ┣ 📜titles.tsv
	 ┣ 📜train_ratings.csv
	 ┣ 📜writers.tsv
	 ┗ 📜years.tsv

Team

김수빈_T6021	박시우_T6060	백승빈_T6075	이재권_T6131	이진민_T6139	장재원_T6149

 

Role

이름	역할
김수빈	EDA, 모델 선정 및 튜닝, EASER, SASRec, Bert4Rec 실험 수행
박시우	EDA, s3rec baseline 정리, recbole baseline 구축, RecVAE, ADMMSLIM, soft voting 앙상블 구현
백승빈	EDA, EASE, SLIMElastic, DiffRec 모델 실험 및 튜닝, hard voting기반 앙상블 구현
이재권	EDA, LightGCN 모델 실험 및 튜닝
이진민	EDA, Multi-DAE, Multi-VAE 코드 모듈화 및 실험
장재원	EDA, Sequential models, Type based model, 모델들 성능 비교 및 분석

Experiment Result

Single Model Result

	Public Recall@10	Private Recall@10
Popular item rule based model	0.0673	0.0671
Genre rule based model	0.0619	0.0626
Type based model	0.0687	0.0696
GRU4Rec	0.0970	0.0809
SASRec	0.0884	0.0833
S3Rec(Pretrained)	0.0829	0.0743
BERT4Rec	0.0687	0.0676
LightGCN	0.1302	0.1316
DiffRec	0.1413	0.1431
RecVAE	0.1349	0.1362
Multi-VAE	0.1394	0.1377
Multi-DAE (with side information)	0.1427	0.1413
EASE	0.1566	0.1565
ADMMSLIM	0.1524	0.1541
SLIMElastic	0.1562	0.1562
EASER	0.1612	0.1603

Ensemble Result

	Private Recall@10	Public Recall@10
EASER, 앙상블 모델*에 type별 추천 적용	0.1614	0.1605
앙상블 모델*(EASE, ADMMSLIM, RecVAE)	0.1613	0.1611

최종적으로는 가장 높은 Public score 값에 해당하는 두 결과 값을 제출하였다.

Wrap-Up Report

MovieRec Wrap-up Report - Suggestify.pdf