웹 프레임워크를 어떻게 해야할까?
여러가지 추천 메트릭을 어떻게 구하고 표현하는게 좋을까요? (novelty, diversity, ….)
여러개의 하이퍼파라미터가 있을 때, 파라미터 조합에 따른 metric의 surface를 보고 싶을 것 같다.
근데 현실적으로 어려울 것 같음 (2차원의 하이퍼 파라미터에서만 설명할 수 있고, 그만큼 다양한 하이퍼 파라미터 조합이 필요하기 때문에)
우리 아이디어 설명 드렸더니 오케이 (하이퍼파라미터 조합, 서브미션 파일로 시각화 해주는 것)
썰을 풀 때도 괜찮은 한 가지 스토리
모델의 경우에는 회사의 기밀일 수도 있기 때문에, 하이퍼파라미터와 예측한 서브미션, 실제 타겟값등만 저희에게 주면, 저희가 그런 조합들에 대한 시각화를 제공해드리겠습니다!
현재 우리의 태스크는 추천과는 동떨어져있다 따라서 추천 모델을 추천해보자 (사용 대상이 인공지능을 못하는 회사라면…)
정성적 지표들은 어떻게 측정하는게 좋을까?
정성적 지표들을 값으로 표현하면 정량적 평가가 되기 때문에, 의미가 퇴색되는 느낌
시각화와 같은 방법을 사용하는것이 어떨까
ex) 추천된 결과가 반복되는지 or 아이템들에 대해서 얼마나 추천되었는지 빈도를 시각화 해주거나
아니면 아이템별 확률 벡터들을 누적해서 쌓아준다거나, density를 색으로 표현(alpha 값 or KDE plot)
멘토님이 불편했던 것들
논문쓰는 입장에서 불편했던 것들
분기가 되는 추천모델들이 input을 받는 코드가(dataloader) 다 다른데, 그런것이 통일 되었으면 좋겠다는 생각이 들었다. (구현할 때 피곤함)
또, 생각한 method가 좋은지 비교하려면 metric이 필요하기 때문에 구현을 해봤는데, metric이 여러 종목이 있으면(recall, ndcg, …) 여러 종목에서 SOTA인 모델이 없고, 특정 metric에서만 SOTA인 모델들이 있어서 추천시스템이 굉장히 애매하다 싶었다.