[추천 시스템] 사용하는 데이터 & 추천 알고리즘의 종류

1. 추천 시스템 & 추천 알고리즘이란?

📌 추천 시스템 : 아이템 바탕으로 어떤 추천을 할지, 플랫폼 상에서 유저에게 추천 결과를 어떻게 보여줄지 전체 시스템을 총괄하는 것

📌 추천 알고리즘 : 아이템 pool(전체) -> 특정 후보군 추출 -> 후보군을 바탕으로 예측 or 필터링 수행 -> 그 결과를 바탕으로 상품 순위 매김

2. 추천 시스템에서 사용하는 데이터

2.1. 유저 정보

: 유저의 프로필 정보

• 개인적인 신상정보
  ex) 나이, 성별, 지역, 학력, 자산 등
• 행동정보 (= 로그)
  ex) 웹페이지 방문 기록, 클릭 패턴, 페이지 체류시간 등

2.2. 아이템 정보

2.3. 추천 점수

• 유저가 해당 아이템을 얼마나 좋아했는가?
• interaction이 있었는가?
• interaction이 있었다면 얼마나 자주 있었는가?
  를 점수화한 값

💡 지도학습에서의 타겟이라고 이해하면 됨!

3. 대표적인 추천 알고리즘의 종류

3.1. 컨텐츠 기반 추천시스템 : Contents-based Recommender System (CB)

• 유저가 과거 선호한 아이템과 유사한 아이템을 추천
  ex) 과거 영화 '스파이더맨'을 좋아했던 고객에게 이와 유사한 영화인 '아이언맨'을 추천하는 것

(1) 유저가 과거 만족한 아이템 추출
(2) 추출된 상품과 유사도가 높은 아이템 선정
(3) 유저에게 선정된 아이템을 추천

2) 협업 필터링 : Collaborative Filtering (CF)

• 비슷한 성향 / 취향 갖는 다른 유저가 선호한 아이템을 현재 유저에게 추천

(1) 추천 대상 유저와 유사한 유저를 선정
(2) 유사한 유저가 선호한 아이템 중 추천 대상 유저가 구매하지 않은 상품을 선정
(3) 유저에게 선정된 아이템을 추천

3) 하이브리드 추천 시스템 : Hybrid Recommender System

• 컨텐츠 기반 추천시스템 + 협업 필터링의 장단점을 보완하기 위해 결합한 모델
• 협업 필터링은 특성상 과거의 구매 정보에 기초함
  -> 새로운 아이템아 추가될 경우, 그 상품이 추천에 반영되지 않는 cold-start 문제 발생
  - 유저 A, B가 동일하게 선호했어야 하고, 유저 A가 선호한 후보군을 추천해주는 것이므로 특정 후보군이 정해져 있을 수 밖에 없음
  • 컨텐츠 기반 추천은 상품 속성 정보로 추천 아이템 결정하므로 새로운 아이템도 추천에 반영 가능함! => cold-start 문제 보완 가능

🌿 참고 링크