그라비티 R&D

Gravity R&D
그라비티 R&D 컴퍼니
유형사설
산업소프트웨어
설립됨2009 (2009)
본부
부다페스트
,
헝가리
서비스 영역
월드와이드
주요인
도몬코스 틱 (CEO & Co-창업자)

보티안 네메스 (제품 소유자, 공동 설립자)

이즈반 필라시 (개발본부장, 공동창업자)
상품들전자상거래의 경우 Yusp, Yuspify
서비스IT 서비스, 개인화, SaaS
소유자헝가리 기관 전략 투자자들, Wojciech Uzdellewicz,[1] 설립자
직원수
25
웹사이트yusp.com

그라비티 R&D(Full name: Gravity Research & Development Zrt.)는 추천자 시스템에 특화된 IT 벤더다.그라비티는 넷플릭스상 팀 '그래비티' 멤버들에 의해 설립되었다.

그라비티는 헝가리(Budapest & Gyr)에 본사를 두고 있으며, 일본에는 자회사를 두고 있다.

역사

넷플릭스상

추가 정보:넷플릭스상

넷플릭스 상은 이전 등급을 기준으로 영화의 사용자 등급을 예측하는 최고의 협업 필터링 알고리즘을 위한 공개 경쟁이었다.이 상은 넷플릭스의 자체 시네마치 알고리즘보다 10% 이상의 향상을 달성한 팀에게 수여될 것이다.

"그래비티" 팀은 2007년 1월 - 5월 동안 선두 주자였다.[2]

선도적 위치는 2007년 10월 '중력과 공룡이 뭉칠 때'라는 이름으로 '공룡 행성' 팀과 협업해 다시 달성됐다.

2009년 1월, 두 팀은 "대상팀"을 설립하여 2009년 내내 선두 팀 중 한 팀으로 성장한 더욱 폭넓은 협업을 개시하였다.

2009년 7월 25일, '대상팀'과 '오페라솔루션과 반델레이 유나이티드' 팀이 합친 '앙상블' 팀은 퀴즈 세트에서 시네마치보다 10.10% 향상된 성적을 거두었다.[3]

2009년 9월 18일 넷플릭스(Netflix)는 '벨코르의 실용적 혼돈' 팀을 수상자로 발표하였고, 2009년 9월 21일 시상식에서 이 팀에게 상을 수여하였다.[4]'앙상블' 팀은 사실상 우승팀 '벨코르'의 성적에 걸맞게 성공했지만, '벨코르'가 20분 앞서 결과를 제출했기 때문에 규칙이 이들에게 상을 수여한다.[5][6]

그라비티 팀이 개발한 알고리즘에 대한 자세한 내용은 과학 간행물을 통해 확인할 수 있다.[7][8][9]일부 알고리즘은 미국에서 특허를 얻었다.[10]

이 회사의 데이터 마이닝 팀은 추천자 시스템 분야에서 활발한 연구를 하고 있으며, 최근 결과를 정기적으로 발표하고 있다.[11][12][13][14][15][16][17][18]

유스프

P&G 모델에서 그라비티는 2017년 회사명과 제품명을 분리했다.브랜드명이 Yusp로 변경되는 동안 회사명은 Gravity로 유지된다.Yusp는 신세대 개인화 엔진의 이름이다.Yusp에 따라 Gravity는 현재 기업, 온라인 전용, 벽돌 및 박격포 소매, 통신 및 소매 은행 고객 및 잠재 고객을 위해 다양한 제품군을 개발하고 있다.

참조

  1. ^ "How Hedge Funds Rate Wall Street Analysts, 2003".
  2. ^ Hafner, Katie (June 4, 2007). "Netflix Prize Still Awaits a Movie Seer". The New York Times. Retrieved 2010-03-07.
  3. ^ "The Ensemble". 2009-07-25.
  4. ^ "Grand Prize awarded to team BellKor's Pragmatic Chaos". Netflix Prize Forum. 2009-09-21. Archived from the original on 2012-05-07. Retrieved 2012-05-07.
  5. ^ Steve Lohr (2009-09-21). "A $1 Million Research Bargain for Netflix, and Maybe a Model for Others". New York Times.
  6. ^ "Mátrixfaktorizáció egymillió dollárért". Index. 2009-08-07.
  7. ^ Takács, G. B.; Pilászy, I. N.; Németh, B. N.; Tikk, D. (2007). "Major components of the gravity recommendation system". ACM SIGKDD Explorations Newsletter. 9 (2): 80. doi:10.1145/1345448.1345466. S2CID 4518283.
  8. ^ Gábor Takács, István Pilászy, Bottyán Németh, Domonkos Tikk (2007), "On the Gravity Recommendation System" (PDF), in Gábor Takács; István Pilászy; Bottyán Németh and Domonkos Tikk (eds.), Proc. KDD Cup Workshop at SIGKDD, San Jose, California, pp. 22–30, retrieved 2010-04-15{{citation}}: CS1 maint: 작성자 매개변수 사용(링크)
  9. ^ Gábor Takács, István Pilászy, Bottyán Németh, Domonkos Tikk (2009), Scalable Collaborative Filtering Approaches for Large Recommender Systems (PDF){{citation}}: CS1 maint: 작성자 매개변수 사용(링크)
  10. ^ 2014-03-18년 발행된 미국 특허 86736, Pilaszy 등 "수정 교대 최소 제곱 알고리즘을 사용한 권장 시스템 및 방법"
  11. ^ István Pilászy, Domonkos Tikk (2009), "Recommending new movies", Recommending new movies: even a few ratings are more valuable than metadata, RecSys '09, pp. 93–100, doi:10.1145/1639714.1639731, ISBN 9781605584355, S2CID 17687390{{citation}}: CS1 maint: 작성자 매개변수 사용(링크)
  12. ^ István Pilászy, Dávid Zibriczky, Domonkos Tikk (2010), "Fast ALS-based matrix factorization for explicit and implicit feedback datasets", Proceedings of the fourth ACM conference on Recommender systems - Rec Sys '10, RecSys '10, pp. 71–78, doi:10.1145/1864708.1864726, ISBN 9781605589060, S2CID 1816937{{citation}}: CS1 maint: 작성자 매개변수 사용(링크)
  13. ^ Gábor Takács, István Pilászy, Domonkos Tikk (2011), "Applications of the conjugate gradient method for implicit feedback collaborative filtering", Proceedings of the fifth ACM conference on Recommender systems - Rec Sys '11, RecSys '11, pp. 297–300, doi:10.1145/2043932.2043987, ISBN 9781450306836, S2CID 3342766{{citation}}: CS1 maint: 작성자 매개변수 사용(링크)
  14. ^ Balázs Hidasi, Domonkos Tikk (2012), "Fast ALS-Based Tensor Factorization for Context-Aware Recommendation from Implicit Feedback", Machine Learning and Knowledge Discovery in Databases, Lecture Notes in Computer Science, vol. 7524, pp. 67–82, arXiv:1204.1259, doi:10.1007/978-3-642-33486-3_5, ISBN 978-3-642-33485-6, S2CID 9480129{{citation}}: CS1 maint: 작성자 매개변수 사용(링크)
  15. ^ Gábor Takács, Domonkos Tikk (2012), "Alternating least squares for personalized ranking", Proceedings of the sixth ACM conference on Recommender systems - Rec Sys '12, RecSys '12, pp. 83–90, doi:10.1145/2365952.2365972, ISBN 9781450312707, S2CID 3357762{{citation}}: CS1 maint: 작성자 매개변수 사용(링크)
  16. ^ Balázs Hidasi, Domonkos Tikk (2013), "Context-aware item-to-item recommendation within the factorization framework", Proceedings of the 3rd Workshop on Context-awareness in Retrieval and Recommendation - CaRR '13, CaRR '13, pp. 19–25, doi:10.1145/2442670.2442675, ISBN 9781450318471, S2CID 14906053{{citation}}: CS1 maint: 작성자 매개변수 사용(링크)
  17. ^ Alan Said, Domonkos Tikk, Paolo Cremonesi (2014), "Benchmarking", Recommendation Systems in Software Engineering, pp. 275–300, doi:10.1007/978-3-642-45135-5_11, ISBN 978-3-642-45134-8, S2CID 38607259{{citation}}: CS1 maint: 작성자 매개변수 사용(링크)
  18. ^ Balázs Hidasi, Domonkos Tikk (2014), Approximate modeling of continuous context in factorization algorithms{{citation}}: CS1 maint: 작성자 매개변수 사용(링크)

외부 링크


좌표:47°29′38″N 19°07′21″E/47.494013°N 19.122559°E/ 47.494013; 19.122559