모두야
추천시스템이란? 본문
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
'데이터청년캠퍼스' 카테고리의 다른 글
| Collaborative Filtering [협업 필터링] (0) | 2021.08.11 |
|---|
