🎞️ Movie Recommendation

이 프로젝트는 사용자의 영화 시청 이력 데이터를 바탕으로 사용자가 다음에 시청할 영화 및 좋아할 영화를 예측하는 것이 목적입니다.

👨🏼‍💻 Members

공지원	김주은	류지훈	박세연	박재현	백상민

🛠️ 기술 스택 및 협업

       

       

📁 Directory

project
├── README.md
├── main.py
├── config/
│   ├── model_config.yaml
│   └── model_weights.yaml
├── data/
├── notebook/
├── saved/
│   ├── output/
│   └── preprocessed/
└── src
    ├── ADMMSLIM/
    ├── BERT4Rec/
    ├── CDAE/
    ├── DeepFM/
    ├── EASE/
    ├── EASER/
    ├── FM/
    ├── LightGCN/
    ├── MultiVAE/
    ├── NCF/
    ├── RecVAE/
    ├── SASRec/
    └── ensemble/

🏃 How to run

Config File

기본 config 파일은 아래와 같으며, 새로운 config 파일을 정의하셔도 됩니다.

또한, 모델 실행 시 Default 파라미터가 정의되어 있습니다.

model_config.yaml

seed : 0
device: cpu # 장치 설정
model: EASE # 기본 모델


model_args:
  모델명:
    파라미터1:
    파라미터2:

dataset :
  data_path : data/train/ # 학습 데이터 불러오는 곳
  output_path : saved/output # 예측한 결과 저장할 곳
  preprocessing_path : saved/preprocessed/ # 전처리된 파일이 저장될 곳

전처리 & 학습 & 예측

전처리 & 학습 & 예측을 동시에 하려면 다음 명령어를 사용하세요:

python main.py -c config/model_args -m Model -p param1 value1 param2 value2 ...

EASE 모델 실행을 원하면, 다음 명령어를 사용하세요:

python main.py -c config/model_config.yaml -m EASE -p _lambda 1000

EASER 모델 실행을 원하면, 다음 명령어를 사용하세요:

python main.py -c config/model_config.yaml -m EASER -p epochs 1000 rho 50000

자세한 파싱 정보는 main.py를 참고해주세요.