😍 먼저, 추천시스템에 대한 블로그 내용은 아래 인프런 강의를 기반으로 작성되었음을 밝힙니다.
인프런 강의 - 파이썬 개인화 추천시스템
추천시스템의 정의
사용자의 과거 행동 데이터를 바탕으로 사용자에게 필요한 정보나 제품을 제시하는 시스템
추천시스템의 종류
1. 협업 필터링 (Collaborative Filtering)
특정 사용자와 평가 패턴이 비슷한 집단 속에서 평가하지 않은 제품을 추천하는 기술
- 한계 : 소비자들의 평가 정보가 필요함
- 해결책 : 간접적으로 데이터를 구할 수 있음
(ex) 고객의 상품 평가, 상품 페이지 클릭, 체류시간, 쇼핑 카트 등)
2. 내용 기반 필터링 (Content-Based Filtering)
제품의 내용을 분석해서 추천하는 기술
3. 지식 기반 필터링 (Knowledge-Based Filtering)
특정 분야 전문가의 도움을 받아 체계도를 만들어서 활용하는 방법
- 장점 : 왜 추천해주는지에 대해 체계도를 통해 제공 (협업 필터링과 내용 기반 필터링의 단점 보완)
- 단점 : 전문가와 체계도가 필요함 (작은 규모의 회사에서는 어려움)
4. 딥러닝 (Deep Learning)
AI 알고리즘 중 가장 많이 사용되는 기술 사용
5. 하이브리드 필터링
두 가지 이상의 기술을 혼합한 방법
추천시스템의 사례
OTT 플랫폼 성공의 핵심 요소는 고객을 자주 방문하게 하고, 이탈을 방지하도록 하는 것
-> 넷플릭스에게 추천은 매우 중요한 핵심 전략!
- 사용자와 비슷한 영화 취향을 가진 집단이 시청한 영화에 대해 추천해주는 방식 사용 (협업 필터링)
추천시스템 Posting 계획!
0. 개요
1. 기본적인 추천시스템
2. 협업 필터링
3. Matrix Factorization
4. Surprise 패키지
5. 딥러닝을 사용한 추천시스템
6. 하이브리드 추천시스템
7. Sparse Matrix
8. 추천시스템 구축 이슈
✍ 경희대학교 데이터분석 동아리 KHUDA에서 공부하는 일정에 맞추어 포스팅합니다!
데이터분석가