추천알고리즘

추천 알고리즘이란?

사용자가 원하는 상품을 추천하는 시스템

추천 시스템을 위한 추천 알고리즘은 아래와 같이 분류할 수 있다.

크게 이 세가지로 분류된다.

1. 콘텐츠 기반 필터링

사용자가 과거에 좋아했던 아이템 파악 후 그 아이템과 비슷한 아이템 추천

2. 협업 필터링

비슷한 취향을 가진 다른 사용자가 좋아한 아이템을 현재 사용자에게 추천하는 것

3. 하이브리드 필터링

Content-based와 Collaborative Filtering의 장단점 보완

추천 알고리즘 평가 지표

1. nDCG

관련 아이템의 순서까지 반영한 지표 (상위 노출 중요)

$NDCG@k = \frac{DCG@k}{IDCG@k}$

$DCG@k = \sum_{i=1}^{k} \frac{2^{rel_i}-1}{\log_2(i+1)}$

$IDCG@k = \sum_{i=1}^{k} \frac{2^{rel_{\sigma(i)}}-1}{\log_2(i+1)}$

2. Precison/ Recall

Precision:
추천한 K개 중에 실제로 사용자가 클릭/구매한 아이템의 비율

Recall:
사용자가 실제로 관심 있었던 아이템 중에서 추천에 포함된 비율

$Precision\ at\ K = \frac{\text{Number of relevant items in } K}{\text{Total number of items in } K}$

$Recall\ at\ K\ = \frac{\text{Number of relevant items in } K}{\text{Total number of relevant items}}$

3. CTR/CVR

CTR (Click-Through Rate)
노출 대비 클릭률

CVR (Conversion Rate)
클릭 대비 구매/가입률

$CTR = \left(\frac{\text{Total Clicks}}{\text{Total Impressions}}\right) \times 100$

$CVR = \left(\frac{\text{Total Orders}}{\text{Total Clicks}}\right) \times 100$

4. 백테스트

모델이 미래 데이터를 알 수 없다고 가정하고, 과거 데이터를 시간 순서대로 흘려보내면서 성능을 검증