추천 시스템의 구성을 개략적으로 나타내면 다음과 같다.(예시)
Contents-based Recommender System(컨텐츠기반 추천시스템)
- 사용자가 과거에 좋아했던 아이템을 파악하고, 그 아이템과 비슷한 아이템을 추천
- 스파이더맨에 4.5점 평점을 부여한 유저(5점 만점) -> 타이타닉보다 캡틴 마블을 좋아할 것이다!
Collaborative Filtering(협업 필터링)
- 비슷한 성향 또는 취향을 갖는 다른 유저가 좋아한 아이템을 현재 유저에게 추천
- 간단하면서 수준 높은 정확도를 나타낸다.
- 스파이더맨에 4.5점을 준 2명의 유저 -> 유저 A가 과거 좋아했던 캡틴 마블을 유저 B에게 추천
Hybrid Recommender System
- Content-based와 Collaborative Filtering의 장, 단점을 상호보완
- Collaborative Filtering은 새로운 아이템에 대한 추천 부족
- 이에, content-based기법이 cold-start 문제에 도움을 줄 수 있음
Other Recommendation Algorithms
1. Context-based Recommendation
- Context-aware Recommendation System
- Location-based Recommendation System
- Real-time or Time-Sensitive Recommendation System
2. Community-based Recommendation
- 사용자의 친구 또는 속한 커뮤니티의 선호도를 바탕으로 추천
- SNS 등의 뉴스피드 또는 SNS 네트워크 데이터 등 활용
3. Knowledge-based Recommendation
- 특정 도메인 지식을 바탕으로 아이템의 features를 활용한 추천
- Case-based Recommendation
- 사용자의 니즈(현재 문제 등)와 해결책 중 가장 적합한 것을 골라서 추천
- Constraint-based Recommendation
- 사용자에게 추천할 때, 정해진 규칙을 바탕으로 추천
'Recommendation System' 카테고리의 다른 글
추천시스템의 한계 (0) | 2023.04.21 |
---|---|
현재의 추천시스템은? (0) | 2023.04.13 |
Introduction to Recommend System (0) | 2023.04.13 |