[추천 시스템 입문편] 추천 시스템이란?

추천 시스템

• 주변에서 자주 접하는 추천 시스템으로는 넷플릭스, 유튜브, 쿠팡이 존재
  → 이들은 개개인에게 맞는 특정 영상, 상품 등만 큐레이팅
• 수 만 편의 영화, 수 억 편의 영상, 수십 만 개의 상품 등
  정보의 양이 폭증함에 따라 정보 소비자가 원하는 정보를 얻는데 시간과 노력이 많이 필요하므로
  정보 소비자에게 원하는 정보를 쉽게 얻도록 도와주는 분야를 정보 필터링이라고 함
• 정보 필터링의 대표적인 분야로는 검색과 추천 시스템이 존재하며
  그 중 추천 시스템은 정보 소비자가 원하는 정보를 찾아 소비자에게 추천하는 시스템을 말함
• 검색은 소비자가 관심사를 표현하는 검색이라는 행위를 해야함 (active)
  반면 추천은 특별한 행위 없이도 정보 전달이 가능함 (passive)

추천 시스템 분류

• 시나리오에 따른 분류
  
  
  • 연관된 아이템 추천
    : 현재 소비되고 있는 아이템과 연관된 아이템을 추천 
    예) 쿠팡에서 탐사수 검색 시 상품 하단에는 연관 상품인 동원샘물 등을 추천
  • 개인화 아이템 추천
    : 소비중인 아이템이 없더라도, 개인의 관심사를 찾아 소비할 만한 아이템을 추천
    예) 유튜브 메인화면에서 고도의 개인화된 영상 추천
• 피드백 종류에 따른 분류
  
  
  • 명시적 피드백을 사용하는 추천 시스템
    : 영화 평점 / 좋아요, 싫어요와 같이 소비자가 명시적으로 자신의 선호를 표현한 데이터
  • 암시적 피드백을 사용하는 추천 시스템
    : 웹 페이지 접속 기록 (상품), 음악 청취 기록과 같이 소비자가 명시적으로 표현하지는 않았지만, 선호를 보여주는 피드백
• 업데이트 주기에 따른 분류
  
  
  • Offline 추천 시스템 (정적 추천 시스템)
    : 특정 시점의 데이터를 사용해 추천 결과를 계산하는 방식
  • Online 추천 시스템 (동적 추천 시스템)
    : 지속적으로 사용자의 데이터를 받아 추천 결과를 업데이트 하는 방식
• 현업에서는 다양한 추천 로직이 섞인 하이브리드 추천 시스템을 많이 사용

추천 알고리즘

• Knowledge-based Filtering
  : 추천하고자 하는 분야의 도메인 지식을 활용해 추천하는 방식
  예) 성별/연령별로 많이 팔리는 상품들을 모아 추천에 활용
• Content-based Filtering
  : 추천하려는 아이템의 콘텐츠 정보를 분석하거나, 정리된 메타 정보를 활용해 콘텐츠별로 특징 정보를 만들고 이를 활용해 추천
  예) 상품 페이지 하단에 같은 카테고리에 있는 인기 상품 추천
• Collaborative Filtering
  : 소비자들의 소비 이력을 사용해 소비하지 않은 새로운 아이템을 추천
  예) 클릭 이력을 바탕으로 소비자가 다음으로 클릭할 만한 상품을 추천

추천 알고리즘 평가 방법

• 오프라인 평가
  : 사용자의 아이템에 대한 선호 기록과 추천 시스템이 추천한 결과를 비교하여 추천 품질을 평가
  
  
  • 별다른 비용 지출 없이 수집된 데이터만 이용하여 평가 가능
  • 여러 모델을 동시에 평가할 수 있음
  • 선호 기록이 기존에 사용하고 있는 추천 모델에 영향을 받을 수 있으므로, 실제 사용자의 만족도와 평가 결과가 다를 수 있음
• 온라인 평가
  : 만들어진 추천 시스템을 직접 사용자에게 노출시켜 사용자의 반응을 수집 하여 평가
  
  
  • 실제 사용자의 만족도를 측정한다는 측면에서 정확한 방식
  • 비용이 비싼 평가 방식 (사용자의 만족도 감소 가능성 등)
• 모델 개발 시에는 오프라인 평가, 테스트 시에는 온라인 평가로 하이브리드 사용

 

 

 

참고 자료

 

[개념부터 실습까지] 추천 시스템 입문편

https://inf.run/keFz