📖Book Rating Prediction

❤️Competition Introduction

일반적으로 책 한 권은 원고지 기준 800~1000매 정도 되는 분량을 가지고 있습니다.

뉴스기사나 짧은 러닝 타임의 동영상처럼 간결하게 콘텐츠를 즐길 수 있는 ‘숏폼 콘텐츠’는 소비자들이 부담 없이 쉽게 선택할 수 있지만, 책 한권을 모두 읽기 위해서는 보다 긴 물리적인 시간이 필요합니다. 또한 소비자 입장에서는 제목, 저자, 표지, 카테고리 등 한정된 정보로 각자가 콘텐츠를 유추하고 구매 유무를 결정해야 하기 때문에 상대적으로 선택에 더욱 신중을 가하게 됩니다.

해당 경진대회는 이러한 소비자들의 책 구매 결정에 대한 도움을 주기 위한 개인화된 상품 추천 대회입니다.

책과 관련된 정보와 소비자의 정보, 그리고 소비자가 실제로 부여한 평점, 총 3가지의 데이터 셋(users.csv, books.csv, train_ratings.csv)을 활용하여 이번 대회에서는 각 사용자가 주어진 책에 대해 얼마나 평점을 부여할지에 대해 예측하게 됩니다.

🙋Team Members

Naver Boostcamp AI Tech 4기 Recsys 13조, Team 취향존중

김선도	박경태	백승렬	유영서	유상준

💻How to train prediction model?

1. Repository를 Local 환경으로 clone 합니다.

git clone https://github.com/boostcampaitech4recsys2/level1_bookratingprediction_recsys-level1-recsys-13.git
cd level1_bookratingprediction_recsys-level1-recsys-13
pip install -r requirements.txt

2. 원하는 용도에 맞는 파일을 선택합니다.

main.py >> 모델 학습
kfold.py >> K-Fold Cross Validation을 이용한 모델 학습

3. 원하는 모델에 대하여, 원하는 인자를 제공하여 학습을 진행합니다. 자세한 내용은 main.py 코드를 참고해주세요.

python main.py --MODEL=FM --FM_EMBED_DIM=4 --WEIGHT_DECAY=0.0001 --DATA_PATH='data/data2/' --EPOCHS=10

4. 학습된 모델은 다음 경로에 저장됩니다.

./models/

⭐To see more

저희 Project에 대한 더 자세한 정보를 알고싶으시다면, Project Wiki 를 확인하세요!

🌏Result

리더보드	Score
private	2.1476
public	2.1454