[Recommender System] 추천시스템 Intro

1. 추천시스템이란?

• 추천시스템이란 쉽게말해 사용자의 취향을 알아내 새로운 아이템을 추천하는 것이다. 좀 더 자세히 말하자면 자동화된 정보 필터링 기술을 적용하여 고객의 취향에 맞는 아이템(상품, 기사, 컨텐츠 등)을 추천하는 시스템이다.

• 고객의 특성을 정확히 파악하여 가장 적절한 아이템을 추천해 줄 수 있는 능력이 이 시스템의 핵심이다.

• 우리가 일상에서 쉽게 접하는 넷플릭스, 유튜브의 영상들도 추천시스템의 대표적인 사례이다. 추후 다음 글에서 넷플릭스의 추천시스템에 대해서도 자세히 알아보도록 한다.

2. Recommendation System(추천 시스템) 알고리즘

위에 보이는 사진과 같이 추천시스템은 가장 크게 Contents Based Filtering과 Collaborative Filtering으로 나뉜다.

1) Contents Based Filtering (컨텐츠 기반 필터링)

• 각 유저, 아이템은 특정 수준의 상관관계를 가진다고 가정
  

(1) Memory Based Methods

aka. neighborhood-based collaborative filtering algorithms

• User-based collaborative filtering
  • 유저 간의 유사도가 높을수록 높은 가중치를 부여하는 방식으로 특정 유저가 아직 구매하지 않았으나 동질 그룹의 다른 유저가 선호하는 아이템을 추천
  • 일반적으로 특정 A와 유사한 Top K의 유사한 유저들로 동질 그룹으로 구성하여 A가 선호할만한 아이템을 선정
• Item-based collaborative filtering
  • B라는 아이템에 대한 A 유저의 선호도를 예측하기 위해 B와 가장 유사한 Top K 아이템을 선정하여 Item set 구성

(2) Model-based methods

• 기억 기반 협업 필터링 방식의 과정을 기본으로 하되 군집화, 분류, 예측의 단계에서 기계학습 또는 데이터 마이닝 기법을 활용

• 각 유저가 기존에 선호한 아이템과 유사한 아이템을 추천
  -> 아이템의 프로필을 이용한 아이템 간의 유사성 계산

2) Collaborative Filtering (협업 필터링)

: 여러 유저의 과거 아이템 상호작용 정보를 이용해 추천

• 사용자가 과거에 경험했던 아이템 중 비슷한 아이템을 현재 시점에서 추천하는 것
  • 정보를 찾는 과정과 과거 정보를 활용해서 유저의 성향을 배우는 문제
    

Recommender System Model의 다양화

앞서 간단한 추천 알고리즘의 기본적인 종류에 대해 파악했다면, 이번에는 더 다양해진 알고리즘의 종류에 대해 살펴보자. 그림에 초록색 브이체크 표시가 된 부분은 우리가 이미 살펴본 종류이고 아래 부분이 이번에 새로 보게될 모델들이다.

3) Knowledge Based recommend systems

• 사용자들의 구매 이력이 적은 경우에 사용.
• 아이템을 추천하기 전에 아이템의 특징과 명시적인 질문을 통해 획득한 사용자 선호도와 추천 범위등 아이템들에 대한 정보 고려하여 추천

4) Hybrid recommend systems

• 위에서 언급한 다양한 추천 시스템을 결합하여 생성.