👨‍👧‍👧 [Team]

💡 [Background]

네이버 플레이스 리뷰 데이터를 바탕으로 한 추천시스템 구현

• 사용자의 리뷰 이력으로부터 자주 방문하는 음식점을 파악하여 추천에 반영하였습니다.
• 사용자별로 취향이 있고 이를 군집화 하고자 합니다.
• 음식점 관련 한국어 리뷰 데이터셋을 구축하고자 하였습니다. (추후 활용)

📚 [Stack]

• Python
• Pytorch
• Numpy
• Pandas
• Selenium

📝 [Features]

• Selenium을 통해 네이버 플레이스 리뷰 데이터를 크롤링했습니다.
• Kmeans를 통해 사용자별로 취향이 존재함을 확인하고 이를 군집화 하였습니다.

• 협업필터링을 통해 추천시스템을 설계하였습니다.

• Bert4Rec을 통해 방문한 음식점들간의 관계를 파악하여 추천에 반영하고자 하였습니다.

• SASRec을 통해 추천시스템에 있어 단방향으로 음식점의 상관관계를 모델링 하였습니다.

👨‍🎓 [What I learned]

• 협업 필터링부터 트랜스포머 기반 모델까지 유사성을 기반으로 하는 다양한 모델을 시도해 볼 수 있었습니다.
• 사용자 리뷰 군집화를 통해 간접적으로 취향을 파악할 수 있었습니다.
• 추천 시스템에서 동일한 음식점을 여러 번 방문하더라도 순서가 다르면 그 경험이 다르게 평가될 수 있다는 사실을 확인했습니다.

🤦 [Future Work]

• 리뷰 텍스트에 대한 감성분석의 결과를 통해 음식점에 대한 평가를 수치화하고, 이를 추천 시스템에 반영하려고 합니다.
• SASRec 모델에서 Negative Sampling을 더 효과적으로 수행하여 학습 시 후보군을 보다 특정화하고자 합니다.
• Data Augmentation을 통해 Contrastive Learning을 활용하여 실험하고자 합니다.

🔍 [Link]

https://concise-root-fdd.notion.site/6de6e81bf3eb42c5885f3a8a2313b3ec