Search

AI CONNECT 고객 데이터를 활용한 식당 만족도 예측

URL
AI CONNECT 에서 진행한 고객 데이터를 활용한 식당 만족도 예측 주제의 대회입니다.
이어드림스쿨과 AI CONNECT 에서 진행한 1차 모의 경진대회 입니다.
고객 및 식당 정보를 이용한 음식점 평점 예측
추천 시스템(Recommendation System) | 개방형 문제 | MAE(Mean Average Error)
문제정의
•
고객 및 식당 정보를 이용하여 특정 고객이 특정 식당에 부여한 평점을 예측하는 문제입니다

데이터 설명

데이터 개요
다음의 Column으로 이루어진 Table 형태의 CSV 데이터 (Encoding: 'UTF-8', Delimiter: ',')
Column 정보
1.식당 정보(Item)
•
식당ID : 식당의 고유 ID (Primary Key)
•
식당이름 : 식당의 이름 (텍스트)
•
주소 : 식당의 도로명 주소 (텍스트)
•
메뉴 : 식당의 주요 메뉴와 해당 메뉴의 가격 정보 (텍스트)
•
영업시간 : 식당의 영업요일,영업시간,Break Time 등의 정보
•
평점 : 해당 식당의 모든 유저의 평점의 평균값 (범위:1~5)
•
AI산출점수 : 자체 DB를 바탕으로 산출한 종합점수 예측값 (범위:0~100)
•
좋아요 수 : 유저들에게 받은 좋아요 수
•
주요품목 : 유저들이 남긴 판매 주요 품목에 대한 해시태그 (텍스트)
•
방문목적 : 유저들이 남긴 주요 방문 목적에 대한 해시태그 (텍스트)
•
시설 : 유저들이 남긴 주요 식당 시설에 대한 해시태그 (텍스트)
2.유저 정보(User)
•
리뷰_작성자 : 유저의 고유 ID(Primary Key)
•
총평 : 유저 개인의 대상 식당에 대한 총 평점 (범위:1~5)
•
맛평점 : 유저 개인의 대상 식당에 대한 맛 평점 (범위:1~5)
•
가격평점 : 유저 개인의 대상 식당에 대한 가격 평점 (범위:1~5)
•
서비스평점 : 유저 개인의 대상 식당에 대한 가격 평점 (범위:1~5)
•
텍스트 : 유저 개인의 대상 식당에 대한 리뷰 (텍스트)
데이터 구성
•
Train 식당와 유저에 대한 모든 정보를 담고 있음
•
Test 식당에 관한 정보와 User의 ID 정보만 담고 있음 -> 해당 ID의 유저가 남긴 평점을 예측하는 문제

평가지표

MAE

아이디어

•
추천시스템은 어떻게 정리하고 접근하냐에 따라서 수많은 모델이나 접근방식이 있을 수 있기 때문에 어떤 데이터가 주어졌는지, 문제에서 맞히라고 요구하는 것이 무엇인지에 따라서 설계하고 접근하는 것이 중요하다는 걸 배웠습니다.
•
평점 예측이기 때문에 Regression 문제이고, RandomForest 와 LGBMRegressor 가 사용되었습니다.
•
딥러닝적인 추천 문제에 대한 접근 방법의 baseline model 로는 DeepFM 이 사용되었습니다.

Self-Feedback

•
대회 초반에는 여러 시도를 해봤으나, 부트캠프 내에서의 작은 대회다 보니 참여율도 저조했고 아이디어를 교류할 팀원들이 없는 상태로 멘토님들에게만 의지할 수 밖에 없던 상황이 아쉬웠습니다.