Introduction to Recommend System

 

추천 시스템이란

• 사용자(User)와 상품(Item)으로 구성된 시스템
• 특정 사용자(User)가 좋아할 상품(Item)을 추천
• 비슷한 상품(Item)을 좋아할 사용자(User)를 추천
• Item이든 User든 관심 갖을만한 정보를 추천
• 서비스의 성장과 정보의 다양화 때문에
• 인터넷에서 찾을 수 있는 정보가 매우 많다. => 인터넷에서 정보를 찾는데 시간이 매우 오래 걸린다.
• 사용자가 정보를 수집하고 찾는 시간을 줄여주는 것이 추천 시스템의 목적이다.

검색 서비스	추천 서비스
Pull Information	Push Information
사용자가 요구한 후 작동	사용자가 요구하기 전 작동
사용자 스스로 원하는 바를 알고있다.	사용자가 스스로 원하는 바를 정확히 알지 못한다.

 

---

사용자(User)와 상품(Item)

• 사용자와 아이템 사이의 관계를 분석하고 연관관계를 찾는다.(추천 시스템의 가장 큰 역할)
• 해당 연관 관계를 점수화한다.
• 사용자의 정보와 아이템의 정보를 활용한다.

=> 사용자와 상품의 정보를 프로파일링 한다고 한다.

 

• 사용자(User)와 프로필(Profile)
  • 사용자 또는 사용자 그룹을 분석 가능한 요소로 프로파일링(Profiling)
  • 사용자를 구분할 수 있는 정보를 활용
    • 사용자ID : 나이, 성별, 지역, 학력 등 개인 신상정보
    • 쿠키(Cookie)
    • 인터넷 주소
    • 웹 페이지 방문 기록, 클릭 패턴 등 사용자 행동 정보
  • 사용자 정보를 수집하기 위한 방법
    • 직접적인(Explicit) 방법: 설문조사, 평가, 피드백 등
    • 간접적인(Implicit) 방법: 웹 페이지 머무는 시간, 클릭 패턴, 검색 로그 등
  • 개인별 추천 또는 사용자 그룹별 추천 가능
• 아이템(Item)과 프로필(Profile)
  • 플랫폼마다 정의하는 아이템 종류가 다르다.
  • 일반적으로 생각해 볼 수 있는 추천 아이템 예시
    • 책, 전자제품, 옷 등 웹사이트 내 웹페이지
    • SNS에서 비슷한 게시글, 관심있을만한 사진
    • 뉴스, 논문 등 문서
    • 여행지, 음식점 등 지역 또는 장소 정보
    • 영화, 음악, 동영상, TV 프로그램 등 다양한 영상
  • 모든 것을 추천해주는 플랫폼은 현재 없다
  • 플랫폼마다 관련 있는 상품 또는 아이템만 추천한다
  • 아이템 프로필에 속하는 정보
    • 아이템ID, 아이템 고유 정보(크기, 색, 가격 등등), 아이템을 좋아하거나 구매한 사용자 정보 등

 

 

유저 프로파일과 아이템 프로파일을 통해 데이터를 정제한다 => 추천시스템을 통해 분석을 한다. => 점수를 통해 데이터간 랭킹을 매긴다!

 

 

추천점수란?

• 분석된 사용자와 아이템 정보를 바탕으로 추천점수 계산
• 사용자 또는 아이템 프로필에서 어떤 정보를 사용할지에 따라 추천알고리즘 결정
• 사용자 또는 아이템을 추천하기 위해 각각의 아이템 또는 사용자에 대한 정량화된 기준 필요
• 추천 알고리즘의 목적은 점수화(Scoring) 하는 것이다.

 

⭐⭐⭐ 요약 ⭐⭐⭐

• 추천 시스템은 아이템 또는 사용자를 추천한다.
• 아이템과 사용자 프로필은 추천알고리즘을 위한 feature가 된다.
• 추천 알고리즘은 아이템 또는 사용자를 점수화하는 것이다.