❓ 과연 추천 시스템이 모든 문제를 해결해줄까? => 그건 당연히 아니다. 추천시스템은? 추천시스템은 profiling한 User와 Item으로 적절한 것을 추천한다. 추천시스템은 User와 Item의 관계를 파악하고, 점수화 한다. 추천시스템은 Push Infomation, 검색은 Pull Information이다. 추천시스템은 랭킹 문제 또는 예측 문제이다. 컨텐츠기반, 협업필터링, 딥러닝 기반 등 추천알고리즘 종류는 다양하다. 추천 시스템의 한계 Scalability 실제 서비스 상황은 다양한 종류의 데이터 학습 또는 분석에 사용한 데이터와는 전혀 다른 실전 데이터 예를들어 갑자기 유저들 사이에 유행하는 트랜드가 바뀌어 상품 구매하는 패턴이 완벽히 바뀌어 버린다면, 이전 데이터에 대한 학습만 진행한..
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 Filter..
추천 시스템 Basic Review 1. 추천 시스템 등장 인터넷은 폭발적인 성장과 수많은 정보가 쏟아지는 공간 인터넷 관련 비즈니스 활성화 e-Business, e-Commerce 등 수많은 정보(+데이터)로 사용자가 적절한 결정을 내리기 어려움 2. 추천시스템 정의 사용자(User)로부터 선호도(preference)여부를 데이터화 Explicit Feedback(평점 등) Implicit Feedback(사용자의 행동 패턴 등) 사용자의 선호도와 제한사항(constraints)를 바탕으로 가장 적절한 아이템 점수 계산 사용자에게 가장 관련 있는 아이템 순서대로 리스트(list) 형태로 제시 3. 추천시스템 연구 현황 정보검색(Information Retrieval) 분야와 비슷하지만, 비교적 새로운 ..
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) 사..
