추천시스템과 협업필터링 (1) - 추천시스템이란?

데이터크리에이터캠프에서 배운것 정리하는 겸..

 

1. 추천 시스템

1) 추천 시스템 이란?

정보 필터링(IF) 기술의 일종으로, 특정 사용자가 관심을 가질 만한 정보 (음악, 영화, 책 등)을 추천하는 것

 

2) 추천 시스템의 장점

• 사용자의 제품을 찾는 시간을 줄여주고, 의사결정의 질을 높여준다.
• 기업 입장에서는 개인화된 경험을 제공하여 유저의 만족도를 높여줄 수 있다.

 

3) 추천 시스템의 조건

• Relevance : 사용자의 관심사에 관련된 아이템을 추천해주어야 함
• Novelity : 사용자가 과거에 경험해보지 못한 아이템을 추천해주어야 함
• Serendipity : 추천되는 아이템은 단순히 경험해보지 못한 것 뿐 아니라, 놀랍고 신선해야 함
• Diversity : 추천되는 아이템들의 유사성을 줄여 추천의 성공 확률을 높임

 

4) 추천 시스템의 분류

(1) 협업 필터링 (Collaborative Filtering Models)

특정 사용자가 평가하지 않은 아이템의 평가를 예측할 때, 해당 아이템에 대한 다른 사용자들의 평가를 이용

• Memory-based methods
  : user가 이전에 평가한 데이터를 사용하여 유사한 user나 item을 추천. 행렬 형태의 평가 데이터 사용.
  • User-based collaborative filtering
  • Item-based collaborative filtering

• Model-based methods
  : 과거의 평가 데이터를 바탕으로 예측을 수행하는 모델(결정 트리, 베이지안 모델, 잠재 요인 모델)을 학습하여, 새로운 데이터가 주어졌을 때 학습된 내용을 바탕으로 예측함.

(2) Content-based Recoomender Systems

사용자가 과거에 선택한 아이템들과 비슷한 아이템을 좋아할 가능성이 높다고 가정하여, 유사도가 높은 아이템을 추천함. 유사도는 TF-IDF, 코사인 유사도 등 사용.

 

(3) Knowledge-based Recommender Systems

평가 데이터를 사용하지 않고, 고객의 요구사항과 항목 설명 간의 유사성을 바탕으로 추천. 사용자 행동 데이터를 필요로 하지 않음.

 

(4) Demographic Recommender systems

(5) Hybrid and Ensemble-Based Recommender Systems