협업 필터링(Collaborative Filtering)은 추천 시스템의 주요 유형 중 하나로, 다수의 사용자들의 과거 행동 데이터를 기반으로 추천을 제공하는 방법이다. 이 방법은 사용자 간의 유사성 또는 항목 간의 유사성을 분석하여 추천을 생성한다.
협업 필터링은 일반적으로 다음과 같은 두 가지 주요 유형으로 분류된다:
-
사용자 기반 협업 필터링(User-Based Collaborative Filtering): 이 방법은 특정 사용자와 유사한 취향을 가진 다른 사용자가 좋아하는 항목을 추천한다. 사용자 간의 유사성은 공통으로 평가한 항목이나 평가 패턴을 기반으로 측정될 수 있다. 예를 들어, 사용자 A와 사용자 B가 유사한 영화를 선호한다면, 사용자 A가 평가한 영화 중 사용자 B가 아직 보지 않은 영화를 추천할 수 있다.
-
항목 기반 협업 필터링(Item-Based Collaborative Filtering): 이 방법은 특정 항목을 선호하는 사용자에게 유사한 항목을 추천한다. 항목 간의 유사성은 다수의 사용자가 두 항목을 함께 평가한 결과를 기반으로 측정될 수 있다. 예를 들어, 사용자 A가 항목 X를 선호한다면, 항목 X와 유사한 특성을 가진 다른 항목 Y를 추천할 수 있다.
협업 필터링은 사용자의 개인적인 선호도를 반영하여 추천을 제공하며, 다른 사용자들의 경험과 선호도를 활용함으로써 개인화된 추천을 가능하게 한다. 이는 콘텐츠 기반 필터링에서 발생할 수 있는 콜드 스타트 문제(사용자의 초기 정보 부족)를 완화할 수 있는 장점이 있다. 또한, 협업 필터링은 새로운 항목이나 사용자에게도 추천을 확장할 수 있는 능력을 가지고 있다.
협업 필터링은 추천 시스템에서 널리 사용되는 방법이지만, 데이터의 희소성 문제나 계산 복잡성 등의 한계도 있을 수 있다. 이러한 한계를 극복하기 위해 많은 연구와 기술적인 발전이 진행되고 있다.
