추천시스템 개요

1. 추천 시스템이란?

 

사용자의 과거 행동 데이터나 다른 데이터를 바탕으로 사용자에게 필요한 정보나 제품 등을 추천해주는 시스템이다.

이를 개인 사용자 맞춤형 추천과 서비스를 제공하는 것을 개인화라고 한다.

 

2. 추천 시스템 알고리즘

 

1) 협업 필터링 (CF, Collaborative Filtering)

구매한 제품에 대해 각 소비자에게 평가를 받고 평가 패턴이 비슷한 소비자를 집단화하고 그 집단에 속한 소비자들의 취향을 활용하는 기술. 단점으로는 소비자 평가 관련 데이터를 수집하기 어려울 수 있다.

 

2) 내용 기반 필터링 (CB, Content Based)

제품의 내용을 분석해서 추천하는 기술. 텍스트 정보가 많은 제품을 분석하여 비슷한 키워드에 해당하는 것을 추천할 때 많이 사용되는 기술이다. 

 

3) 지식 기반 필터링 (KB, Knowledge-Based)

앞서 두 필터링의 단점은 왜?라는 질문에 답을 못한다는 단점이 있다.

이 필터링은 해당 분야 전문가의 도움을 받아서 해당 분야에 대한 전체적인 지식구조를 만들어서 활용하는 방식이다.

 

4) 딥러닝 추천 기술과 하이브리드 기술

딥러닝 추천 기술은 다품종 시대에 맞게 다양한 소비자와 아이템의 피쳐 값을 사용하고 아이템별 사용자의 예상 선호도를 사용한다. 다양한 입력 변수를 사용할 수 있는 장점이 있고, 이미지 분석에 많이 사용된다.

하이브리드 기술은 두 가지 이상의 기술을 같이 사용하는 경우이다.