Develog PJY Develog PJY

Matrix Factorization도 추천방식의 하나지만, 강화학습방법또한 점차 강력해지는 좋은 알고리즘이다. 강화학습에서 주요 개념은 다음과 같다:  • 에이전트(Agent): 추천 시스템이 사용자를 대신하여 추천을 제공하는 역할. • 상태(State): 사용자가 현재 시청하는 동영상 및 사용 중인 향기 등의 정보. • 행동(Action): 추천할 향기나 동영상을 선택하는 것. • 보상(Reward): 사용자가 추천된 향기/동영상에 대해 좋아요(positive) 또는 싫어요(negative)를 남기는 등의 피드백. 즉 간단하게 요약하면 이것저것 다해보다가 맞으면 + 틀리면 - 를 받고 점차 맞는길을 알아가는 것이다. 바로 아로마 플레이어에 적용할 방법을 알아보자. 강화학습 적용에 필요한 요소  • 상..

1. Matrix Factorization 개념 Matrix factorization(행렬 분해)은 주로 추천 시스템에서 많이 사용되는 기법으로, 유저-아이템 상호작용 데이터(예: 좋아요, 평점 등)를 행렬 형태로 표현한 후, 이를 두 개의 저차원 행렬로 분해해 숨겨진 패턴을 발견하는 방법이다. 주로 협업 필터링 Collaborative Filtering 방식에 자주 사용된다.  이번 프로젝트에서 쓰일 알고리즘방식이기 때문에 Matrix factorization이 협업필터링에 어떻게 쓰이고, 프로젝트에 어떤식으로 녹여낼지 공부해본다. (협업필터링은 이전글 참고) 사용자 잠재 요인 행렬과 아이템 잠재 요인 행렬 두가지가 있다. 전자는 사용자를, 후자는 아이템을 벡터로 표현한 행렬들이다. 여기서 잠재요인이란..

1. 스트리밍 서버의 기본구조 스트리밍 서비스는 사용자가 실시간으로 동영상이나 음악 같은 미디어 콘텐츠를 재생할 수 있게 해주는 시스템이다. 사용자는 파일을 다운로드할 필요 없이 바로 콘텐츠를 시청할 수 있다. 스트리밍은 ‘온디맨드(On-Demand)’ 방식으로, 사용자가 특정 시점에 원하는 콘텐츠를 실시간으로 요청하고 바로 재생하는 형태이다.  • 사용자의 요청 흐름: 1. 동영상 요청: 사용자가 웹사이트 또는 애플리케이션에서 동영상 콘텐츠를 선택하면, 해당 요청이 서버로 전달된다. 2. 서버 응답: 서버는 요청을 받아 동영상 파일을 찾은 후, 이를 클라이언트(사용자)에게 스트리밍 방식으로 전달한다. 3. 실시간 전송: 사용자는 전체 파일이 다운로드되기 전에 일부 데이터를 먼저 수신받아, 곧바로 재생할..

1. 추천 시스템 개념 이해 사용자의 취향을 분석해 개인 맞춤형 콘텐츠를 제공하는 시스템. 즉 시청시간, 좋아요, 댓글, 구독과 같은 사용자 행동 데이터를 기반으로 동작하는 알고리즘. 시청시간과 같은 implicit data, 좋아요 구독과 같은 explixit data를 분석하여 사용  빠르게 예시로 맛보기 1) 가장 대표적인 동영상 플랫폼 유튜브의 추천 알고리즘 살펴보기 유튜브의 추천시스템은 딥러닝 기반으로 영상시청 히스토리, 좋아요, 댓글, 구독 등 행동데이터를 바탕으로 추천 제공.Collaborative Filtering + Deep Learning: 유튜브는 사용자와 콘텐츠 간의 관계를 학습하기 위해 **협업 필터링(Collaborative Filtering)**과 딥러닝 모델을 결합하여 사용...

학교 동아리에서 2학기에 진행하게된 프로젝트.실제로 아로마조인이라는 회사에서 쓰일 동영상 스트리밍사이트를 제작하는 프로젝트이기에 들어가야할 노력이 많을것으로 생각된다. 그만큼 배울점, 남는것이 많은것도 사실. 실 사용자가 사용해야하는 제품과 직결되는 사이트기 떄문에 제품을 직접 사용해 가며 프로젝트를 진행할 예정이다. 코드나 자세한 사항들은 회사내부 사정이기에 여기엔 그냥 프로젝트를 하며 느낀점, 알게된 기술스택 공부한 내용 등을 정리하기 위한 용도.