목적: fashion 도메인에서 사용되는 추천시스템을 알아보고자 함
개인적인 결론: 삽질, image 자체를 학습시키는 논문들 위주. 유사성을 구하기 위해서 정보를 vector형식으로 만든다. 즉, 해당 리뷰에 담긴 논문들은 CNN으로 이미지를 vector화 시켜서 유사성을 구하게 된다. 하지만, 필자는 텍스트( 패션아이템 정보 )를 사용해서 추천시스템을 구축해야한다. 따라서, 방향성과 맞지않는 논문이다.
Deldjoo, Yashar, et al. "A review of modern fashion recommender systems." arXiv preprint arXiv:2202.02757 (2022).
선택 이유: 패션 도메인에 국한된 추천 시스템에 대한 리뷰 페이퍼
발표 목적: 적합한 모델 찾기 위함
#Major challenge 4가지
1. Fashion item representation: 상품의 정보 희소성
2. Fashion item compatibility: 상품의 조합의 정도
3. Personalization and fit: 개인 맞춤형
4. Interepretability and Explanation: 설명 가능성
1. Fashion item representation
문제점: 상품의 설명력 도출이 어렵다.
해결방법
- 이미지로부터 정보 추출
- Visual factor
- Latent factor
- 상품 상세 설명으로부터 정보 추출
- 고객 리뷰로부터 정보 추출
2. Fashion item compatibility
문제점: 상품의 조합을 예측하기가 어렵다.
+
예시) 고객이 셔츠를 구매했을 때, 셔츠와 어울리는 바지 혹은 신발 등 추천
해결방법
- Co-purchase research signal, 어울림을 분석한 논문들이 있음
- 패션 디자이너 전문가 의견
- 소셜 미디어 속의 사람들의 패션 조합
3. Personalization, size and fit
문제점:
- 개인화(지역, 날씨, 직업, 상황 등)를 통한 추천이 어렵다.
- 친구 혹은 가족 선물용 구매내역으로 인한 noise 발생
- 브랜드 마다 사이즈의 크기가 다르다.
- 주관적으로 해석이 된다.
해결방법
- 대규모 소셜미디어 데이터 사용
- 고객의 body shape 데이터 사용
4. Interepretability and Explanation
문제점: 딥러닝은 black-box로 설명이 불가능하다.
해결방법:
- 설명 및 해석 가능한 시스템을 배치
- ex) 상품 추천을 한 이유에 대해서 설명 가능
- ex) 상품 이미지에 특정 영역 하이라이트