추천 시스템의 종류

1. 추천시스템의 종류

1) content-based Approach 추천하고자 하는 아이템을 설명하는 특성(feature) 데이터에 기반하여 유저에게 아이템을 추천한다. 예컨대 유저의 영화 평점이 그 영화의 feature에 대한 선형 모델을 따른다고 가정하고 관측된 데이터로부터 이러한 모델을 fitting하여 아직 관측되지 않은 영화에 대한 평점을 예측할 수 있다. 즉 유저마다 개별적인 선형 모델이 구축

2) Collaborative Filtering (협업필터링) 과거에 관측된 서로 다른 유저-아이템 피드백 데이터가 협력하여 예상 관측값을 예측함으로써 유저에게 아이템을 추천한다. 비슷한 유저가 좋아했던 아이템을 추천하거나 좋아한 유저가 비슷했던 아이템을 추천 참신한(?serendipitous) 추천이 가능 Cold-Start Problem 종류: neighborhood model, latent factor model (1) neighborhood model - User-oriented model - item-oriented model 유사도는 Pearson correlation이나 cosine similarity (2) latent factor model - Singular Value Decomposition - Stochastic Gradient Descent - Alternative Least Squares (3) Modifications for Implicit Feedback Data - Preference는 유저가 해당 프로그램을 선호하는지에 대한 여부 - Confidence는 preference에 대한 신뢰도

Reference https://blog.jesse.kim/post/116