추천 시스템

그 동안 머신러닝을 공부하면서 추천 시스템에 대한 공부는 하지 않았었는데 이번 기회에 공부해보려고 한다..!처음 접하는 거라 신기하기도 하고, 유튜브나 넷플릭스 등등 여러 추천 알고리즘들에 대해 궁금한게 많았는데 차근차근 공부해보려고 한다...!

 

 

추천 시스템 이란?

추천 시스템(推薦system)은 정보 필터링 (IF) 기술의 일종으로, 특정 사용자가 관심을 가질만한 정보 (영화, 음악, 책, 뉴스, 이미지, 웹 페이지 등)를 추천하는 것이다. 추천 시스템에는 협업 필터링 기법을 주로 사용한다. 소셜 북마크 사이트에서 링크를 사람들에게 추천하고 무비렌즈 데이터 세트에서 영화를 추천하는 방법등이 이에 속한다.

정보 필터링 만들기 - 위키백과, 우리 모두의 백과사전

 

 

온라인 스토어에서의 추천 시스템

대부분의 전자 상거래 업체나 온라인 콘텐츠 제공 업체에는 상품이 너무 많기 때문에, 고객들은 다양한 상품 이미지와 번잡한 카테고리, 메뉴 구성 등으로 인해 온라인상에서 제품 선택의 어려움을 겪는다. 이러한 경험이 쌓이면 온라인 쇼핑에 대한 부정적인 이미지가 강해져 매출 감소로 이어질 수 있다.

한정된 시간이라는 제약 속에서 너무 많은 상품과 콘텐츠는 오히려 고객이 어떤 상품을 골라야 할지에 대한 압박감을 느끼게 만들 수 밖에 없기 때문에, 추천 시스템이 필요하다. 소비자가 무엇을 원하는 지 빠르게 찾아내어 사용자가 온라인 쇼핑의 즐거움을 느끼게 해야 한다. 

• 사용자가 어떤 상품을 구매했는가?
• 사용자가 어떤 상품을 둘러보거나 장바구니에 넣었는가?
• 사용자가 평가한 영화 평점?
• 사용자가 스스로 작성한 자신의 취향은?
• 사용자가 무엇을 클릭했는가?

위의 문제에 대한 데이터를 기반으로 추천 시스템은 사용자가 상품을 구매하도록 유도한다. 

 

 

 

 

추천 시스템 유형

• 콘텐츠 기반 필터링(Content Based Filtering) : 사용자가 특정 아이템을 매우 선호하는 경우, 그 아이템과 비슷한 콘텐츠를 가진 다른 아이템을 추천하는 방식이다. 사용자가 높은 평점을 준 아이템과 비슷한 종류, 리뷰 키워드 등의 다양한 콘텐츠를 기반으로 제품을 추천해 준다. 
• 협업 필터링(Collaborative Filtering) : 사용자의 행동, 활동 또는 선호도에 대한 많은 정보를 분석하고 모아 다른 사용자와의 비슷함에 기초를 두고 사용자들이 무엇을 좋아할 지 예측한다. 협업 필터링은 Machine Analyzable Content에 의존하지 않아 그 아이템 자체를 정확하게 이해하지 않아도 영화 같은 복잡한 아이템들을 추천할 수 있다. 협업 필터링은 최근접 이웃(Nearest Neighbor) 협업 필터링과 잠재요인(Latent Factor) 협업 필터링으로 나뉜다.