two-tower 알고리즘-1

유튜브 추천 시스템을 예시로 Two Tower 알고리즘의 전체 과정

1. 입력 데이터 구성

사용자(김철수):
- 나이: 25세
- 직업: 대학생
- 관심사: 테크, 게임
- 시청 기록: 
  * "아이폰15 리뷰" (15분 시청, 좋아요)
  * "마인크래프트 공략" (20분 시청, 구독)
  * "리그오브레전드" (5분 시청, 중간 이탈)

2. 사용자 임베딩 과정

A. 카테고리 변환
나이: 25/100 = 0.25
테크 관심: [1,0,0]
게임 관심: [0,1,0]

B. 시청 행동 가중치
아이폰15 리뷰: 1.0 (완료 시청)
마인크래프트: 1.0 (구독)
리그오브레전드: 0.3 (중간 이탈)

C. 최종 사용자 임베딩
[0.8, 0.6, 0.2] 
- 0.8: 테크 관심도
- 0.6: 게임 관심도
- 0.2: 기타 관심도

3. 비디오 임베딩 과정

각 비디오의 특성 벡터:

아이폰15 리뷰:
[0.9, 0.3, 0.1]
- 0.9: 테크 관련성
- 0.3: 게임 관련성
- 0.1: 기타 관련성

마인크래프트 공략:
[0.3, 0.7, 0.2]
- 0.3: 테크 관련성
- 0.7: 게임 관련성
- 0.2: 기타 관련성

4. 유사도 계산

사용자 [0.8, 0.6, 0.2]와 각 비디오의 유사도:

아이폰15 리뷰: 0.85
= (0.8×0.9) + (0.6×0.3) + (0.2×0.1)

마인크래프트: 0.72
= (0.8×0.3) + (0.6×0.7) + (0.2×0.2)

요리 레시피: 0.25
= (0.8×0.1) + (0.6×0.2) + (0.2×0.9)

5. 학습과 업데이트

현재 배치의 실제 시청 여부:
아이폰15 리뷰: 1 (시청)
마인크래프트: 1 (시청)
요리 레시피: 0 (미시청)

손실 계산:
예측: [0.85, 0.72, 0.25]
실제: [1.00, 1.00, 0.00]
손실: ((1-0.85)² + (1-0.72)² + (0-0.25)²) / 3

6. 최종 추천

김철수에게 추천할 영상 순서:
1. 갤럭시S24 리뷰 (유사도: 0.82)
2. 제노아 게임 공략 (유사도: 0.78)
3. 피파 온라인 4 (유사도: 0.67)
4. 패션 트렌드 (유사도: 0.23)

이런 과정을 통해 모델은:

• 사용자의 관심사를 학습
• 콘텐츠의 특성을 파악
• 개인화된 추천을 제공
  하게 됩니다.