사용자의 책 평점 데이터를 바탕으로 사용자가 어떤 책을 더 선호할지 예측하는 프로젝트이다. 책 한권을 모두 읽기 위해서는 보다 긴 물리적인 시간을 필요로 한다. 또한 소비자 입장에서는 제목, 저자, 표지, 카테고리 등 한정된 정보로 각자가 콘텐츠를 유추하고 구매 유무를 결정해야 하기 때문에 상대적으로 선택에 더욱 신중을 가하게 된다.

이러한 소비자들의 책 구매 결정에 대한 도움을 주고자 한다. 사용자의 책 평점 데이터를 바탕으로 사용자가 어떤 책을 더 선호할지 예측하는 모델을 구축 한다.

책에 대한 메타 데이터인 books, 고객에 대한 메타 데이터인 users, 고객이 책에 남긴 평점 ratings 의 데이터 셋을 활용해, 최종적으로 1과 10 사이 평점을 예측하는 것을 목적으로 한다.

(데이터셋 출처: https://www.kaggle.com/datasets/ruchi798/bookcrossing-dataset)

├─src
	├─data
	├─ensembles
	├─models
	├─utils.py
├─main.py
├─ensemble.py
├─requirements.txt

catboost==1.1.1
fasttext==0.9.2
nltk==3.7
numpy==1.23.4
pandas==1.5.1
Pillow==9.3.0
scikit_learn==1.1.3
torch==1.7.1
torchvision==0.8.2
tqdm==4.51.0
transformers==4.23.1

• CatBoost
• Factorization Machine
• Field-aware Factorization Machines
• Neural Collaborotaive Filtering
• DeepCoNN

류명현	이수경	김은혜	정준환	장원준