| 일 | 월 | 화 | 수 | 목 | 금 | 토 |
|---|---|---|---|---|---|---|
| 1 | 2 | 3 | 4 | |||
| 5 | 6 | 7 | 8 | 9 | 10 | 11 |
| 12 | 13 | 14 | 15 | 16 | 17 | 18 |
| 19 | 20 | 21 | 22 | 23 | 24 | 25 |
| 26 | 27 | 28 | 29 | 30 | 31 |
- 큐
- eda
- 입문
- 파이썬
- 나는 리뷰어다
- 엘리스
- TEAM EDA
- MySQL
- 추천시스템
- Object Detection
- Python
- 코딩테스트
- pytorch
- DilatedNet
- 스택
- 나는리뷰어다
- Semantic Segmentation
- hackerrank
- 협업필터링
- DFS
- TEAM-EDA
- 3줄 논문
- Image Segmentation
- 한빛미디어
- Segmentation
- 프로그래머스
- Machine Learning Advanced
- 튜토리얼
- 알고리즘
- Recsys-KR
- Today
- Total
목록tf-idf (2)
TEAM EDA
02. 컨텐츠 기반 추천시스템 - TF-IDF를 이용한 추천시스템
해당 글은 T-아카데미에서 발표한 추천시스템 - 입문하기의 자료에 딥러닝을 이용한 추천시스템과 추천시스템 대회를 분석한 내용을 추가한 글입니다. 해당 자료보다 더욱더 좋은 자료들이 페이스북 그룹 Recommender System KR에 있으니 많은 관심 부탁합니다. [01. 추천시스템 이해] [02. 컨텐츠 기반 추천시스템] [02. 유사도 함수 및 평가 함수] [02. TF-IDF를 이용한 추천시스템] [02. Word2Vec을 이용한 추천시스템] [03. 협업필터링 기반 추천시스템] [03. KNN을 이용한 추천시스템] [03. SGD을 이용한 추천시스템] [03. ALS을 이용한 추천시스템] [04. 딥러닝을 이용한 추천시스템] [04. Deep Neural Networks for YouTube R..
임베딩 기법(Embedding)
본 글은 자연어 처리에서 주로 사용하는 임베딩 기법들에 대해 정리해놓은 자료입니다. One-hot Encoding, TF-IDF, LSA, Word2Vec, Glove, FastText에 대해 정리할 것이고 ratsgo님의 블로그을 많이 참고하였습니다. 목차 One Hot Encoding TF-IDF LSA Word2Vec Glove FastText One Hot Encoding 개념 : 각 단어에 Index를 부여하는 방식으로 표현하는 단어의 Index에 1을 넣고 그렇지 않은 곳 에는 0을 넣는 방법 장점 : 사용하기 매우 쉬움. pandas의 get_dummies함수나 sklearn의 preprocessing.OneHotEncoder을 사용하면 됨 단점 : 단어의 의미를 전혀 이해하지 못함. 단어의..