Implicit 추천에서 “랭킹”을 제대로 학습하는 방법에 대한 논문이다. 추천시스템 논문을 처음 읽을 때 가장 헷갈리는 지점은, “추천은 결국 점수 예측 아닌가?”라는 직관과 “평가 지표는 Top-K 랭킹인데 왜 점수 회귀를 하지?”라는 현실 사이의 간극이다. BPR(Bayesian Personalized Ranking)은 이 간극을 가장 깔끔하게 메운 고전 논문이다.이 글에서는 BPR 논문의 핵심을 Implicit feedback 환경을 전제로, 배경 → 문제의식 → 목적함수 → 베이지안 해석(prior/posterior) → 학습 방식 → 왜 현대 추천에서 중요한지 → 가져가야 할 포인트 순으로 정리한다.1. 추천 데이터의 현실: Implicit feedback의 함정현업 추천 데이터는 별점 같은 ..
