추천 알고리즘 종류

컨텐츠 기반 추천

사용자가 과거에 좋아했던 아이템 파악 후 그 아이템과 비슷한 아이템 추천

1. 특정 문서들에서 유저가 과거에 접했고 만족했던 아이템 점수화
2. 유저가 좋아했던 아이템 중 일부/전체와 비슷한 아이템 선정
   • 이때 아이템 간의 점수, 유저-아이템 간의 프로파일링을 통해 아이템 선정
3. 선정된 아이템을 유저에게 추천

사용자가 영화 <101마리 달마시안>을 보았다면 해당 영화에 대한 설명(리뷰, 평점, 감독, 출연 배우 등)을 바탕으로 유사한 영화 <크루엘라>를 추천

협업 필터링 추천

비슷한 성향/취향을 가진 다른 유저가 좋아한 아이템을 현재 유저에게 추천하는 것 ➡️ 간단하면서도 수준 높은 정확도 나타내 많이 사용됨

1. 유저 A와 유저 B 모두 같은 아이템에 대해 비슷한/같은 평가를 했다
2. 이때, 유저 A는 다른 아이템에도 비슷한 호감 나타냄
3. 따라서 유저 A, B의 성향은 비슷할 것이므로 다른 아이템을 유저 B에게도 추천

예를 들어 영화 겨울왕국1에 대한 평가가 유사한 두 사람에게, 어느 한쪽이 아직 시청하지 않았지만 다른 사람이 좋은 평가를 내린 영화 겨울왕국2를 추천

사용자 기반 / 아이템 기반

하이브리드

컨텐츠 기반 추천시스템과 협업 필터링을 결합한 모델
입니다. 두 가지 알고리즘을 모두 적용하여 아이템마다 가중평균을 구해 랭킹을 매기는 방법, 평점 데이터와 아이템 프로필을 조합해 사용자 프로필을 만들어 추천하는 방법 등 다양한 기법이 있다고 합니다. 실제로 넷플릭스는 협업 필터링을 사용해 유사한 사용자간의 시청/검색 기록을 비교할 뿐만 아니라, 컨텐츠 기반 필터링을 사용해 사용자가 높게 평가한 영화의 특징을 공유하는 영화를 제공한다고 알려져 있습니다.