#13 of AI and Deep Learning - 협업 필터링 추천 시스템 / Collaborative Filtering

-

협업 필터링 추천 시스템 개요


개요

  • 정의
    • 특정 이벤트에 대해 유사의견을 가지는 현상을 기반으로 성향을 예측하는 방식
    • 비슷한 성향 및 패턴을 가지는 유저 간 교차추천 등의 서비스에 활용
  • 종류
    • Memory-Based
      • 사용자 간 유사도 측정
      • 아이템 간 유사도 측정
    • Model-Based
    • Hybrid 

사용자 간 유사도 측정 at Model-Based

  • 두 사용자가 동일한 이벤트 혹은 컨텐츠에 대해 얼만큼 유사한 의견을 보이는지 측정
    • ex) 특정 영화들에 대한 평점 / 특정 장르에 속하는 컨텐츠 클릭 횟수 등
    • 위의 예시처럼 수치화된 데이터
      • ex) 0 -> 매우 좋음 / 1 -> 좋음 / 2 -> 보통 / 3-> 나쁨 / 4 -> 매우 나쁨
    • 유사도 계산

아이템 간 유사도 측정 at Model-Based

  • 사용자와 동일하게 아이템 기준으로 사용자들이 내비친 의견 활용
  • 코사인 유사도의 단점
    • 특정 패턴에 집중한 산정값이라, (1, 1, 1, 1) 과 (5, 5, 5, 5) 를 유사하다고 판단
    • 최소 평가 인원에 도달하기 전에는 괄목할만한 결과 얻기 힘듬
      • ex) 1명 밖에 평가하지 않았다면, 유사도는 무조건 1이 됨 -> 맹점
    • 해결방법
      • 보정된 코사인 유사도
      • 피어슨 유사도

적용방안

  • 실시간으로 유사도를 재측정하는 것은 사실상 불가능
    • 정해진 시간에 일괄 업데이트 하는 것으로 대체
  • 아이템에 대한 데이터가 많이 쌓일수록 정확도도 비례하여 증가하는 추천 방식

References



댓글

댓글 쓰기