추천시스템이란?

추천 (Recommendation)

: 데이터를 통해서 사용자가 아직 이용하지 않은 아이템 중, 선호할 만한 것을 예측하여 알려준다.

대표적인 추천 알고리즘 

1) Contents Based Filtering 

: 기존에 좋아했던 아이템과 비슷한 아이템을 추천한다.

2) Collaborative Filtering

: 성향이 비슷한 사람들이 좋아했던 아이템을 추천한다.

 

어떤 데이터를 사용하느냐에 따라 구분할 수 있다.

---

Contents Based Filtering [콘텐츠 기반 필터링]

사용자(user-based)와 아이템(item-based)에 대한 프로필을 작성하여 추천한다.

 

예를 들어,

[사용자 기반 user-based recommendation]

사용자에 대한 성별, 연령대, 지역 등으로 프로필을 작성할 수 있다.

비슷한 프로필을 가진 사용자에게 동일한 아이템을 추천해 줄 수 있다. 

 

[아이템 기반 item-based recommendation]

아이템에 대한 프로필을 작성할 수 있다. 

영화에서는 장르, 출연하는 배우, 흥행 여부 등에 대하여 프로필을 작성할 수 있다.

첫번째 사용자가 동일한 장르의 A와 B라는 영화를 좋아한다고 평가했을 때,

A를 좋다고 평가한 두번째 사용자에게 영화B를 추천해줄 수 있다.

 

> 모든 아이템에 대한 프로필을 일일이 작성하여 분류하는 것은 데이터 수집에 어려움이 있다.

> 프로필 작성에도 명확하지 않으며 주관적일 수 있다. 

 

Collaborative Filtering [협업 필터링]

프로필은 없이, 사용자의 과거 행동 데이터를 통해 추천한다. 

이전에 남긴 평점 데이터를 통해, 나와 비슷한 취향의 사람이 선호한 아이템을 추천한다.

 

> 과거 행동에 대한 평점 데이터를 쌓기 까지 시간이 소요된다. (신규 사용자 추천 어려움=Cold Start 문제)

> 특별한 제약 없이 데이터셋을 쌓기는 쉽다. Contents Based Filtering 보다 정확하다.

 

Hybrid Filtering

위의 두 가지 알고리즘을 함께 사용하는 기법이다.

1) Combinig Filtering

2) Collaboration via Content

 

---

출처

갈아먹는 추천 알고리즘 https://yeomko.tistory.com/3