final-project-level3-recsys-10

❗ 프로젝트 소개

• 유저의 취향에 맞는 편의점 맥주 4캔 추천 서비스

📅 프로젝트 수행 기간

• 2022.05.16 ~ 2022.06.10

✨ 프로젝트 산출물

• WRAP-UP REPORT
• 발표 자료
• 발표 영상

👋 팀원 소개

신민철	유승태	이동석	이아현	임경태

📁 데이터 개요

• Ratebeer 해외 맥주 리뷰 커뮤니티 크롤링
• 유저의 다양한 맥주의 선호도를 수집할 수 있음 → user-item interaction
• 한국 내에 유통 되는 거의 모든 세계 맥주에 대한 데이터가 존재
• Explicit dataset (맥주의 선호도로 판단할 수 있는 변수 존재)
• sparsity가 96.29(%)로 High Sparsity 데이터

🔧 데이터 파이프라인

💎 시스템 아키텍처

🎓 Model

• 모델 선정 기준
  • 개인화 추천 가능
    • 유저의 취향을 파악하여 추천해주는 서비스이기 때문에, 룰베이스 모델의 개발은 맞지 않음
  • User Free 모델 (유저 파라미터를 학습하지 않는 모델)
    • 학습된 유저에게 추천을 해주는 것이 아닌, 새로운 유저의 정보로 추론이 가능해야함
  • Sparse data
    • 희소도가 매우 높은 데이터셋
    • 해당 데이터셋에 대응 가능한 모델링 방법론이 적용되어 있어야 함
      → Feature Embedding, Latent vector, …

=> AutoRec

🏢 Structure

final-project-level3-recsys-10
├── 📁 EDA
│   └── ⋮
├── 💾 README.md
├── 📁 .github
│   ├── 📁 ISSUE_TEMPLATE
│   │    └── 💾 Issue-template.md
│   ├── 📁 workflows
│   │    └── 💾 docker-publish.yml
│   └── 💾 PULL_REQUEST_TEMPLATE.md
├── 📁 backend
│   ├── 📁 app
│   │    ├── 📁 DB
│   │    │    ├── 💾 crud.py
│   │    │    ├── 💾 database.py
│   │    │    ├── 💾 models.py
│   │    │    ├── 💾 schemas.py
│   │    │    └──  ⋮
│   │    ├── 💾 __main__.py
│   │    ├── 💾 main.py
│   │    └── 📁 routers
│   │        └──  ⋮
│   └── 📁 recommendAPI
│       ├── ⋮
│       └── 📁 s3rec
│           └── ⋮
├── 📁 data_engineering
│   └── ⋮
├── 📁 frontend
│   ├── 📁 static
│   │   ├── 📁 css
│   │   │   └── ⋮
│   │   ├── 📁 img
│   │   │   └── ⋮
│   │   └── 📁 js
│   │       └── ⋮
│   ├── 📁 templates
│   │   └── ⋮
├── 📁 model
│   └── ⋮
├── 💾 .gitignore
├── 💾 Dockerfile
├── 💾 Makefile
├── 💾 start.sh
└── 💾 requirements.txt

🏃‍ Run

pip install -r requirements.txt
python -m backend.app

🎞 Demo

• 서빙을 위한 프론트 페이지

• 유저의 Cold start를 해결하기 위한 페이지

👨‍👩‍👧‍👧 Collaborate Working

• Github Issues 기반 작업 진행

• Github Projects, Notion의 칸반 보드를 통한 일정 관리

• Github Pull Request 를 활용한 브랜치 관리

📜 Reference

• Liang, Dawen, et al. "Variational autoencoders for collaborative filtering." Proceedings of the 2018 world wide web conference. 2018.
• Kang, Wang-Cheng, and Julian McAuley. "Self-attentive sequential recommendation." 2018 IEEE International Conference on Data Mining (ICDM). IEEE, 2018.
• Sedhain, Suvash, et al. "Autorec: Autoencoders meet collaborative filtering." Proceedings of the 24th international conference on World Wide Web. 2015.
• beerinfo
• ratebeer