논문 : https://arxiv.org/abs/1708.05031 Background 1. Learning From Implicit Data Implicit Data가 없는 경우 : 인지X or 부정적으로 평가 data가 없는 이유를 구분하기 어렵기 때문에 item 간 순위를 선정할 경우 noise 발생 목적 함수 pointwise loss : 실제와 예측 간의 오차를 감소시키는 방향으로 학습 유연하게 negative sample 비율 조정 가능 pairwise loss : 관측된 경우와 관측되지 않은 경우 간의 margin을 최대화하는 방향으로 학습 관측된 경우의 순위가 관측되지 않은 경우의 순위보다 높음 2. Matrix Factorization 잠재 feature 벡터를 이용해 공유된 잠재 공간에..
