추천 시스템

0. 추천 시스템을 공부하게 된 이유

최근 들어 '추천 시스템'이라는 분야에 대한 언급을 과거에 비해 굉장히 빈번하게 접할 수 있습니다. 추천 시스템 관련 교육을 접할 수 있고, 관련 공모전이 나오기도 하며 기업의 채용 직무에서도 추천 시스템 관련 요구사항을 자주 볼 수 있는 것으로 보아 '추천 시스템'에 대한 전반적인 수요와 관심이 보다 증가하고 있음을 알 수 있습니다. 특히, 유튜브와 넷플릭스 등의 스트리밍 서비스에 대한 대중의 수요가 급증하게 되면서 유튜브 알고리즘, 넷플릭스 영화 추천 알고리즘 같은 추천 알고리즘에 대한 인식이 많은 사람들에게 퍼지고 있습니다.

저의 경우에도 '추천 시스템'을 알게 되고 공부를 시작하게 된 시점은 오래 되지 않았습니다. 데이터 분석에 관심을 가지게 되면서 머신러닝과 딥러닝을 공부하게 되었고 최근에 추천 시스템까지 접할 수 있게 되었습니다. 현재 활동하고 있는 빅데이터 동아리에서 머신러닝과 딥러닝을 다루는 세션을 통해 데이터 분석을 천천히 공부하게 되었고 세미나를 추천 시스템으로 선택하게 되면서 처음 알게 되었습니다.

세미나로 추천 시스템으로 골랐던 이유는 데이터가 추천 시스템에서 어떻게 활용되는 것인지 궁금했기 때문입니다. 정규 세션에서는 보통 머신러닝과 딥러닝 알고리즘의 수학적 접근 방식을 주로 다루었는데, 100% 문과였던 나에게 이러한 수학적 접근 방식은 조금 힘들었었고 데이터 분석에 흥미를 가지게 된 계기도 데이터가 결국 어떻게 활용되는 것인가에 먼저 관심을 가졌기 때문입니다.

결국, 추천 시스템이란 소비자 혹은 고객에게 직접 노출되는 서비스이기 때문에 비즈니스적 관점의 고려 여부, 그리고 추천 알고리즘의 구동 방식 등에 흥미를 느껴 추천 시스템을 선택하게 되었습니다.

추천 시스템을 공부하게 되면서 더욱 공부하고 싶어지고 흥미를 느끼게 된 점은 추천 시스템이 발전해나가는 과정때문이었습니다. 처음에는 유저와 아이템 간의 기록 혹은 선호도 같은 관계만을 가지고 추천이 이뤄졌다면 점점 부가 정보들이 더해지고, 다양한 딥러닝 기법들 그리고 강화학습까지 적용되는 과정을 보면서 추천 시스템이 발전할 수 있는 깊이와 넓이가 점점 커질 것이라고 느껴졌습니다.

추천 시스템에서 DNN, CNN, RNN, Transformer, DRN, GNN 등의 다양한 딥러닝 구조가 적용되는 것은 어떻게 보면 저에게는 양날의 검이라고 느껴집니다. 기본적으로 다양한 분야의 딥러닝 구조를 이해하고 있어야지만 추천 시스템에 충분히 적용할 수 있는 수준이 될 것 같다고 느껴졌기 때문입니다. 그럼에도 추천 시스템이 공부하면서 재밌다고 느꼈던 분야였고, 아직 논문 하나도 읽는 것이 매우 오래 걸리고 이해하는 것도 어렵지만 천천히 나아가다 보면 분명 발전해나갈 수 있을 것이라 생각합니다.

1. 추천 시스템 공부 계획

추천 시스템을 공부하기 위해서 몇 가지 계획을 세웠습니다.

📚 도서

• Recommender Systems: The Textbook (2016, Charu Aggarwal)

💻 강의

• CSCI 5123 - Recommender Systems, Coursera (Joseph A Konstan)
• 머신러닝 단기집중과정 - Recommendation Systems, Google Developers
• 머신러닝 - 추천시스템, Kmooc (2018, 최희열)
• CS246 - Lecture 41 ~ 57, Standford Univ

📄 논문

• 추천 시스템 기법 연구동향 분석 (2015, 손지은 외 4명)
  ...

📌 유용한 사이트

• jihoo-kim님의 awesome-RecSys github repository
• In Praise of Idleness님의 추천시스템 빠져들기
• 이웅원님의 추천 시스템 Basics