Goals of Recommender Systems
1) Prediction version of Problem. 학습데이터를 통해 유저의 선호도를 정확하게 예측하는 것
2) Ranking version of Problem. 정확한 수치보다는 랭킹을 고려해 top-k의 아이템을 선정하는 것
현실적으로 많이 필요로 하고 자연스러운 것은 2번이지만 추천 시스템의 일반적인 목적은 1번에 해당한다.
왜냐 1번이 해결되어야 2번도 해결될 수 있기 때문이다.
Type of Recommender System
1. Collaborative Filtering Models
유사한 그룹에 묶이는 유저들끼리는 동일한 아이템에 대해 상관관계를 가질 것이라고 가정한다.
2. **Contents-based Filtering Models**
사용자가 과거에 경험했던 아이템 중 비슷한 아이템을 현재 시점에서 추천하는 것.
Information Retrieval 과 ML 의 중간 지점 정도에 위치해있다고 이해할 수 있다.
유저가 선호하는 아이템 등의 취향, 프로필 등의 information 필요하고, 거기서 나아가 cosin 유사도 등을 활용하여 유사 아이템을 선택한다.
3. Knowledge based recommend system
사용자들의 구매 이력 등의 정보가 적은 경우에 사용하는 방법으로, 아이템들의 특징과 함께 명시적인 질문을 통해 유저 정보를 얻어낸다. 그렇게 얻은 유저 정보와 아이템들에 대한 정보를 고려하여 추천한다.
4. Hybrid recommend system
다양한 추천 시스템을 결합하여 한 서비스의 단점을 다른 서비스의 장점으로 채운다.
etc. Deep Learning
https://techblog-history-younghunjo1.tistory.com/208?category=924148
https://techblog-history-younghunjo1.tistory.com/206?category=924148
https://techblog-history-younghunjo1.tistory.com/207?category=924148
참고
RecSys 분류
https://dsbook.tistory.com/334
