항상 궁금했던 정말 흥미로운 분야이다🙋🏻♂️
? 그런데 왜 이제 공부해
언제든지 내용이 추가 될 수 있다!! 너무 부족하지만 우선 올리고 진행해보기로🙏🏻
📖 : python을 이용한 추천 시스템
넷플릭스에서 나한테 드라마, 영화를 추천하고 쿠팡에서 이런 상품은 어때요? 라며
내게 살포시 보여줬을 때.
나는 홀리며 지갑을 열고는 후회하거나 💸
드라마 시작하였다가 밤을 새버린 적이 한두번이 아니다.
(자매품으로 유투브의 알고리즘이 있다. 유난히 새벽에 더 재밌는 거 보여주는🤔)
아니 그래서 추천 시스템이 뭔데?!
추천시스템은 정보 필터링 기술의 일종으로, 특정 고객이 관심을 가질만한 정보를 추천하는 시스템.
요즘에는 어떤 서비스를 보더라도 추천 시스템이 필수적인 요소로 자리 잡은 것을 알 수 있습니다.
한 기사에서는 넷플릭스 에서 소비(대여?)되는 영화의 3분의 2 가 고객에게 추천된 영화이고, 아마존 의 경우 매출의 35% 가 추천을 통해 발생하고 있다는 점이 굉장히 크게 작용하는 요인으로 볼 수 있다.
물론 나의 프로필 뭘봐 임마을 들어가 보아도 친구야 고마워 나 홍일점이네 이렇게 많은 콘덴츠들을 보여주는 것을 알 수 있다. 나의 새벽을 앗아간 똑똑한 넘이다.
추천 시스템의 종류를 크게 살펴보면 콘텐츠 기반 필터링과 협업 필터링 두가지로 나누어 볼 수 있다.
에시) 마블 영화를 본 사람한테는 마블 영화의 다른 작품을 추천해준다.
협업 필터링은 사용자의 구매 패턴이나 평점을 가지고 다른 사람들의 구매 패턴, 평점을 통하여 추천을 하는 방법.
다양한 고객의 행동(클릭, 상품 구매, 평점 부여) 데이터에 기반하여 아직 접하지 않은 상품에 대한 행동을 예측하여 추천하는 것임.
사용자(고객) 평가 데이터를 얻기 힘든 상황이면 간접적인 정보를 사용하는 경우 많음
간접적인 정보들은 클릭스트림(clickstream)형태로 수집되어 분석에 사용됨.
협업 필터링에는 또 크게 사용자 필터링과 아이템 기반 협업 필터링으로 나누어서 생각할 수 있다.
그림으로 예를 들면 첫번째 사람과 두번째 사람이 있다 가정을 하고.
첫번째 사람이 타이타닉과 워크투리멤버를 보고, 두번째 사람이 타이타닉을 보았다 한다면, 둘이 유사하다고 판단을 하고 두번째 사용자에게 워크투리멤버를 추천하는 경우라고 간단히 생각할 수 있다.
제품, 영화 등보다 훨씬 많은 사용자. (굉장히 복잡함)
콜드 스타트
사용자의 취향은 시간이 지남에 따라 변함.
롱테일
아이템이나 콘텐츠 수가 많다고 하더라도 사용자들은 소수의 인기 있는 항목에만 관심을 보일수도, 사용자들의 관심이 저조한 항목은 정보가 부족하여 추천되지 못하는 문제점이 발생할 수 있음.
이러한 문제점들로 사용자 기반 협업 필터링의 한계를 극복하기 위해서 나온 것이 아이템 기반 협업 필터링이다.
아마존, 넷플릭스 비롯한 서비스에서 아이템 기반 협업 필터링을 사용한다
메타 정보의 한정성 : 정밀성이 떨어지는 문제 발생
연구에 따르면 하나의 기술을 사용할 때보다 복수의 기술 사용시 정확도 향상되고 결합되는 기술의 종류가 많아질수록 큰 폭으로 상승한다는 결과 있다고 한다.
udemy 인강
https://techblog-history-younghunjo1.tistory.com/117
https://www.youtube.com/watch?v=6TP51jvjLsE
https://eda-ai-lab.tistory.com/527
https://scvgoe.github.io/2017-02-01-협업-필터링-추천-시스템-(Collaborative-Filtering-Recommendation-System)/
https://brunch.co.kr/@biginsight/15