[ 06/01 TIL ] 추천시스템

기본 유형

• 콘텐츠 기반 필터링(content based filtering)
• 협업 필터링(collaborative filtering)

📌 콘텐츠 기반 필터링

사용자가 특정 아이템을 선호했을때, 해당 아이템과 비슷한 콘텐츠를 가지고 있는 다른 아이템을 추천해주는 방식으로, 요즘엔 잘 사용하지 않는 방식.

유저 a가 아이템 x를 구매했을때, x와 비슷한 특성을 가진 다른 아이템을 추천해주는 방식.

예) 인셉션과 인터스텔라를 좋아하는 유저에게 SF영화이며 같은 크리스토퍼 놀란감독의 테넷을 추천

🙆‍♂️장점

• 다른 유저의 데이터가 필요하지 않음
• 개인의 독특한 취향도 고려 가능
• 새로운 아이템이나 대중적이지 않은 아이템도 추천 가능
• 사용자에게 추천하는 이유에 대한 설명이 가능

협업 필터링시 새로운 아이템이 추가되었을때, 평가한 사람이 없어서 추천이 어렵지만 컨텐츠 기반 필터링은 가능하다.

🤦‍♂️단점

필터 버블(Filter bubble): 개인화 추천으로 생긴 정보편식 현상으로, 사용자가 제한된 주제와 관점을 가진 정보만을 접하게 되는 현상.

예) 유투브 알고리즘에 의해서 다양한 컨텐츠를 보고 싶어도 항상 보던 컨텐츠만 뜨는 상태

📌 협업 필터링

'상품에 대한 선호도가 유사한 고객들은 다른 상품에 대해서도 선호도가 비슷할 것이다' 라는 가정하에 사용자의 아이템 평가 데이터를 이용해 비슷한 선호도를 갖는 다른 사용자가 선택한 아이템을 추천하는 방식

예) 인셉션과 인터스텔라를 좋아하는 유저a에게 유저a와 똑같이 두 영화를 좋아했던 유저b가 테넷을 좋게 평가했을 경우, 유저a도 테넷을 좋아할 것이라고 여기고 추천

🙆‍♂️장점

• 다른 유저들의 실제 평가가 기반이 된다는 점
• 근거 있는 설명과 신뢰성있는 정보

🤦‍♂️단점

• Cold Start: 충분한 고객 데이터가 필요
• Sparsity: 평가 데이터 자체가 희귀함
• First rater: 평가되지 않은 아이템을 추천할 수 없음(새로운 아이템 혹은 독특한 아이템)
• Popularity bias: 인기 있는 아이템만 추천하는 경향, 독특한 취향의 사용자는 좋은 추천을 받지 못함

이러한 단점들을 극복하기 위해서 어느 한가지만을 선택하는 것이 아니라 하이브리드로 여러가지 방법을 함께 사용한다고 한다.

⭐ 웹 서비스의 꽃! 추천시스템!

추천시스템을 기반으로 한 웹서비스를 만드는 팀 프로젝트를 시작했다.

개발자가 단순히 CRUD작업이 아닌 기업의 매출에 크게 영향을 줄 수 있는 기능이라는 점에서 상록튜터님께서 꽃이라고 표현하시면서, 재미있지않나요? 라고 말씀하셨을때, 추천시스템 기능 구현에 대한 욕심이 더욱 짙어졌다.
부족하더라도 누군가에게 이 기능을 흥미롭게 설명할 수 있을 정도의 인사이트는 이번 프로젝트에서 챙기고 싶다.

Reference:
https://pearlluck.tistory.com/665