9-1. 추천 시스템의 개요와 배경

추천 시스템의 개요

• 하나의 콘텐츠를 선택했을 때 선택된 콘텐츠와 연관된 추천 콘텐츠를 통해 사용자의 관심을 끌고 개인에게 맞춘 콘텐츠 추천이 핵심임

온라인 스토어의 필수 요소, 추천 시스템

• 좋은 추천 시스템은 사용자가 무엇을 원하는지 빠르게 찾아내 사용자의 온라인 쇼핑의 즐거움을 배가함

  

• 추천 시스템 구성을 위해 다양한 데이터를 활용할 수 있음

  • 사용자가 어떤 상품을 구매하였는가
  • 사용자가 어떤 상품을 둘러보거나 장바구니에 넣었는가
  • 사용자가 평가한 영화 평점은? 제품 평가는?
  • 사용자가 스스로 작성한 자신의 취향은?
  • 사용자가 무엇을 클릭하였는가?

• 데이터 기반 추천 시스템의 작동 원리

  

추천 시스템의 유형

• 크게 콘텐츠 기반 필터링 방식과 협업 필터링 방식으로 나뉨
  • 협업 필터링 방식은 다시 최근접 이웃 협업 필터링과 잠재 요인 협업 필터링으로 나뉨
• 하나만 활용하는 경우도 있고, 두 가지 이상의 방법을 결합한 하이브리드 형식을 활용하기도 함

2. 콘텐츠 기반 필터링 추천 시스템

• 사용자가 특정한 아이템을 매우 선호하는 경우, 해당 아이템과 비슷한 콘텐츠를 가진 다른 아이템을 추천하는 방식
  • ex) 사용자가 특정 영화에 높은 평점을 준 경우 해당 영화의 장르/출연 배우/감독/영화 키워드 등의 콘탠츠와 유사한 다른 영화를 추천해주는 방식

3. 최근접 이웃 협업 필터링

협업 필터링

• 사용자가 아이템에 매긴 평점 정보가 상품 구매 이력 등의 사용자 행동 양식만을 기반으로 하여 추천을 수행하는 방식

• 목표) 사용자-아이템 평점 매트릭스와 같은 축적된 사용자 행동 데이터를 기반으로 사용자가 아직 평가하지 않은 아이템을 예측 평가하는 것

  • 사용자가 평가한 다른 아이템을 기반으로 사용자가 평가하지 않은 아이템의 예측 평가를 도출하는 방식

    

• 협업 필터링 기반 추천 시스템은 다시 최근접 이웃 방식과 잠재 요인 방식으로 나뉨

  • 두 방식 모두 사용자-아이템 평점 행렬 데이터에만 의지하여 추천을 수행함

  • 행) 개별 사용자, 열) 개별 아이템

  • 행렬 형태로 표현되어야 함

    

  • 일반적으로 많은 아이템을 열로 가지는 다차원 행렬이며, 희소 행렬임

최근접 이웃 협업 필터링