개발 중인 앱이 음악 추천 앱이라서 추천 알고리즘에 대해 알아보고 추후 적용하고자 한다.

추천 시스템

영화를 예로 들어 설명하겠다.

콘텐츠 기반 필터링(Content Based Filtering)

사용자가 선호하는 장르, 감독, 출연, 키워드 등 영화의 콘텐츠에 기반해 추천해준다.
문제점: 영화의 홍보를 위해 실제 내용에 비해 왜곡된 정보들

구현 프로세스

• 영화를 구성하는 콘텐츠에 대한 텍스트 정보들을 모은다.
• 이 정보들을 피처 벡터화(Count, TF-IDF)한다.
• 코사인 유사도로 콘텐츠별 유사도를 계산한다.
• 계산된 유사도에 대해 가중 평점(평점이 좋은 것 위주)을 한다.
• 유사도 및 평점에 따른 영화 추천!

협업 필터링(Collaborative Filtering)

사용자의 기존 이력에만 기반하여 아직 평가하지 않은 아이템에 대한 평가를 예측

최근접 이웃 기반(Nearest Neighbor)

사용자 기반(User-user CF)

특정 사용자와 비슷한 상품을 구매해온 고객들은 비슷한 고객으로 간주
비슷한 고객들이 선호하는 다른 상품을 추천

아이템 기반(Item-item CF)

아이템이 받은 사용자의 평가.
평점이 비슷한 아이템들은 비슷한 아이템이라고 간주

잠재 요인 기반(Latent Factor)

행렬 분해 기반(Matrix Factorization)

멜론?
행렬을 두 개로 분해하고 재결합한 뒤에 평점을 예측, 추천

하이브리드 기반 추천

콘텐츠 기반 필터링과 협업 필터링을 결합하여 성능을 높이는 추천 시스템

영화 앱에서는 별점으로 평가를 매기고, 추천에도 주요하게 쓰인다.

하지만 음악 앱에서는 일반적으로 별점을 잘 매기지 않으니까
대신 얼마나 많이 들었나를 기준으로 선호도를 측정하는 것이 어떨까 생각해보았다.