[요약] 추천시스템의 핵심기술

추천시스템 - 대상자가 좋아할 만한 무언가를 추천하는 시스템

활용사례

• 아마존 
• 평점, 구매행위, 검색행위 정보들을 이용해 상품 추천시스템을 운영
• 넷플릭스
• 사용자의 성향을 파악해 좋아할 만한 영화 추천
• 사용자가 로그인 하는 순간 해당 사용자의 취향에 맞춰 전체 페이지가 구성되는 수준까지 발전
• 페이스북
• 상품이나 뉴스 추천이 아니라 친구 추천을 하는데 활용
• 친구 추천은 교류를 증대 시킬 목적을 가지고 있기 때문에 Link Prediction이라는 것에 중점을 둠

추천시스템 주요기술

• 협업 필터링
• A라는 사람이 부산행이라는 영화를 좋아하면, A와 성향이 비슷해 보이는 B라는 사람 역시 부산행을 좋아할 것이라는 생각을 활용한 방법
• 거의 모든 추천시스템에서 활용
• 유유상종의 대상이 무엇이냐에 따라 2가지 방식으로 나뉘어짐
• 사용자기반 협업 필터링
• 유사한 성향을 가진 사람들을 구분하고, 해당 성향의 사람들이 좋아하는 것을 추천하는 방식
• 피어슨상관계수
• 아이템기반 협업 필터링
• 아이디어는 동일하지만 사람이 아닌 아이템으로 대치된 것이다. 
• 코사인유사도
• 2가지 기술의 장점: 구현이 간단하고 이해하기 쉽다
• 단점: 정보가 많지 않은 경우 예측의 정확도가 높지 않다.
• 모델 기반 협업 필터링
• 머신러닝을 이용해 평점을 예측할 수 있는 모델을 만드는 방식
• 의사결정트리, SVM 등의 머신러닝 알고리즘을 이용해 평점예측모델을 만든다.

평가방법

• 사용자 평가
• 특정한 시점에 사용자를 초청해 추천시스템의 성능을 점검해 보는 것
• 사용자들로부터 피드백을 받는다.
• 온라인 평가
• 추천시스템이 실제 환경에서 활용되고 있는 상황에서 사용자가 보여주는 행위를 보고 성능을 평가하는 방식
• A/B 테스팅을 이용해 추천시스템의 성능을 평가한다.
• 오프라인 평가
• 과거의 데이터를 이용해 평가하는 방식
• 데이터 기반의 평가이기 때문에 사용자를 초청할 필요가 없다. 

원문: http://www.oss.kr/oss_repository14/658203