recommendation system.classification.feature

추천 시스템(recommendation system)

- 추천 시스템은 크게 두가지로 구분 가능

1) 컨텐츠 기반 필터링(content-based filtering)

- 사용자의 이전 행동과 명시적 피드백을 통해 좋아하는 것 혹은 유사한 항목을 추천

ex) 내가 지금까지 들은 음악 목록과 다른 사용자의 음악 목록을 비교해 나와 비슷한 취향의 사용자의 플레이 리스트 음악을 추천

- 유사도를 기반으로 추천

- 장점

가) 많은 수의 사용자를 대상으로 쉽게 확장 가능

나) 사용자가 관심을 갖지 않던 상품 추천 가능

- 단점

가) 입력 특성을 직접 설계해야 하기 때문에 많은 도메인 지식이 필요

나) 사용자의 기존 관심사항을 기반으로만 추천 가능

2) 협업 필터링(collavorative filtering)

사용자와 항목간의 유사성을 동시에 고려해 추천

기존에 내 관심사가 아닌 항목이라도 추천 가능

자동으로 임베딩 학습 가능

- 장점

자동으로 임베딩을 학습하기 때문에 도메인 지식이 필요 없다.

기존의 관심사가 아니더라도 추천 가능

-단점

학습 과정에 나오지 않은 항목은 임베딩을 만들 수 없음

추가 특성을 사용하기 어려움

3) 하이브리드 방식(hybrid) : 컨텐츠 기반과 협업 필터링을 합함