[Recommender System] 추천 시스템의 기본 개념

• 추천 시스템이란?

사용자(user)의 과거 데이터, 개인 정보, 방문 기록 등 다양한 데이터를 이용하여 정보나 제품(item)을 추천해 주는 시스템이다.

 

요즘은 추천 시스템이 많은 기업들에서 활용되고 있다. 그렇기 때문에, 넷플릭스나 왓챠와 같이 몇 개의 관심 있는 항목을 선택한 뒤 이를 기반으로 좋아할 만한 콘텐츠를 추천받아 이용하고 있는 사람들이 많아졌다. 또한, 다양한 인터넷 쇼핑몰에서 내가 구매하거나 클릭한 상품을 바탕으로 관심 있을 법한 상품들을 추천해 주는 것을 쉽게 접할 수 있다. 

 

• 추천 시스템의 종류

1. 협업 필터링(Collaborative Filtering)

 

비슷한 취향을 가진 소비자들을 하나의 집단으로 보고 그 집단에 속한 사람들이 좋아한 아이템을 성향이 비슷한 유저에게 추천하는 방법이다. 

 

[사진 출처] 네이버 영화 https://movie.naver.com/

예를 들어, 현재 사용자가 마블 영화에 높은 평점을 준 집단에 속해있다고 가정하자. 토르, 아이언맨, 어벤저스에 높은 평점을 주었고, 마블 영화를 좋아하는 집단에서 블랙위도우 영화에도 높은 평점을 매겼다. 이때, 사용자는 마블 영화에 높은 평점을 주었지만 블랙위도우를 보지 않았다면, 비슷한 성향의 사람들이 이 영화에도 높은 평점을 매겼기 때문에 좋아할 것이라고 여기고 추천을 하는 것이다. 

 

협업 필터링은 비슷한 집단끼리 구분되기 때문에 선호도가 분명하게 나타나는 경우에 많이 사용된다. 

 

2. 내용 기반 필터링(Contents-Based Filtering)

 

내용 기반 필터링은 사용자가 기존에 좋아했던 정보나 아이템을 분석하여 추천하는 방법이다. 

 

[사진 출처] yes24 도서 http://www.yes24.com/24/Category/Display/001001025

 

사용자가 기존에 경제/경영 도서를 많이 읽었고, 구매 이력에 해당 도서들이 많다면 비슷한 분야의 다른 도서 또한 좋아할 것이라고 판단하고 추천하는 방법이다. 콘텐츠 자체가 추천하는 데 중요한 요소이기 때문에 텍스트 정보나 내용이 많은 경우에 사용되는 방법이다. 

 

3. 이외의 추천 시스템 종류

 

협업 필터링이나 내용기반 필터링은 추천 시스템의 가장 대표적이고, 고전적인 방법이다. 이외에도 다양한 방법들이 연구되고 사용되고 있다. 

 

 - 지식기반 필터링(Knowledge-Based Filtering): 특정 분야(domain)에 지식이 있는 전문가를 통해 구조를 만들고

  추천에 활용하는 방법이다. 

- 하이브리드 추천 시스템(Hybrid Recommender System): 두 가지 이상의 추천 시스템 방법을 혼합해서 사용하는

  방법으로 각 산업마다 적합한 방법이 다르기 때문에 최근 자주 이용되는 방법이다.

- 딥러닝 추천 시스템(Deep Learning Recommender System): 다양한 입력 값을 사용하여 딥러닝 기술을 통해

  추천하는 방법으로 이미지 인식에 효율적이다. 

 

• 평가 방법

1. 예측 기반

 

사용자가 아이템에 대한 평점이나 점수를 매긴 것을 토대로 사용자 간의 평점의 조합으로 예측하거나, 아이템 간의 조합으로 예측하는 평가 방법이다. 관측값들을 모델의 학습에 사용하여, 알고 싶은 사용자나 상품의 값을 예측하여 평가한다. 

 

2. 랭킹 기반

 

사용자나 아이템의 정확한 점수를 예측하는 것이 아닌, 사용자가 선호할 것 같은 몇 개의 순위를 선정하여 추천하는 방법이다. 아이템 간에도 동일하게 순위를 매겨 추천할 상위 몇 개의 랭킹만 선정하여 추천하는 것을 의미한다.

 

 

[참고 도서] 임일, 「python을 이용한 개인화 추천시스템」, 도서출판 청람