Movie Recommendation

Check out Wrap Up Report at Link

Project Overview

• 대회 내용 : Movie Recommendataion(사용자의 영화 시정 이력 데이터를 바탕으로 사용자가 다음에 시청할 영화 및 좋아할 영화를 예측)
• 평가지표 : Recall@10

Dataset

• Ml_item2attributes.json : 영화(item)에 대한 속성을 담은 json 파일
• directors.tsv : 영화(item)에 대한 감독 데이터
• genres.tsv : 영화(item)에 대한 장르 데이터
• titles.tsv : 영화(item)에 대한 제목 데이터
• writers.tsv : 영화(item)에 대한 작가 데이터
• years.tsv : 영화(item)에 대한 연도 데이터
• train_ratings : 31,360명의 사용자(user)가 6,807개의 영화(item)를 시청한 데이터

Process

• EDA
  • user의 시청기록 분석
  • 이상치 제거
  • user가 시청한 영화 장르에 따른 clustering
• Feature Engineering
  • 추가한 feature
  • 각 feature 추가/제거 실험
• 모델
  • General model : EASE, ADMMSLIM, RecVAE, NCEPLRec
  • Context-aware model : xDeepFM, FM, FFM
  • Sequential model : S3Rec, SASRec
• 하이퍼 파라미터 튜닝
  • HyperOpt, Ray, WandB
• Ensemble
  • EASE, NCEPLRec, RecVAE, S3Rec 총 4개의 모델에 서로 다른 가중치를 부여

Result

• Public Recall@10 : 0.1612
• Private Recall@10 : 0.1609
• 최종 등수 : 11/14팀