추천 시스템 01. Recommender System의 큰 갈래 알아보기

안녕하세요. 두근두근 첫 번째 게시물입니다. ت

 

첫 글의 토픽은 Recommendation System, 추천 시스템인데요. 스마트폰과 한 몸처럼 지내는 우리의 일상에 추천 엔진이 얼마나 깊숙이 스며들어 있는지는, 제가 굳이 설명하지 않아도 다 체감하고 계실 거라 생각하기 때문에, 거창한 서두는 생략하고 바로 본 주제로 들어갈게요.

 

먼저 아래의 그림을 봐주세요.

 

Recommendation System Approaches (Source: Montaner et al., 2003)

 

비교적 오래된 논문에 실린 내용이지만, 각 접근법(approaches)들의 공통점과 차이점, 그리고 파이프라인을 직관적으로 잘 표현한 그림입니다. 그림에서 알 수 있듯, recommendation system은 다음의 세 줄기로 요약할 수 있습니다.

 

 

Demographic Filtering   |   Content-based Filtering   |   Collaborative Filtering

 

 

Demographic Filtering은 유저에 대한 인구통계학(demographic)적인 정보를 이용합니다. 우선, 나이/성별/인종 등을 고려하여 인구통계학적 집단(demographic stereotype/cluster)을 정의해 둔 후, 타깃 유저를 이 중 한 집단으로 분류하는 것이죠. 비슷한 인구통계학적 특성을 보이는 사람들은 취향도 비슷할 것이라 가정하는 것입니다. 

 

이와 달리, Content Filtering은 유저가 아닌 아이템의 내용(contents)에 집중합니다. 영화를 예로 들면, 영화의 장르, 러닝타임, 감독, 주연 배우 등 영화에 대한 기본 정보를 활용합니다. 뮤지컬 영화를 좋아하는 저와 같은 유저들에게 같은 장르인 ‘라라 랜드’를 추천해주는 것이죠. 

 

마지막으로 Collaborative Filtering은 타깃 유저에 대한 데이터뿐만 아니라 다른 유저들에 대한 데이터도 적극적으로 활용합니다. 타깃 유저의 정보와 타 유저들의 정보가 협동(collaborate)하여 숨어있던 보석들을 찾아주는 식이죠.

 

여기서 끝! 을 내기엔 수박 겉핥기의 느낌이기 때문에… 앞으로 이어질 포스팅에서는 논문과 사례를 통해 각 접근법에 대한 더 깊은 공부를 하도록 하겠습니다. 이번 포스팅에서는 단 한 가지만 기억하시고 넘어가시면 됩니다.

 

Recommendation System은 크게 1/ Demographic, 2/ Content-based, 3/ Collaborative Filtering 세 가지 접근법으로 구분할 수 있다.

 

그럼 다음 글에서 만나 뵙도록 하겠습니다. 안녕! ღ

 

---

Reference

1. Montaner, M., López, B., & De La Rosa, J. L. (2003). A taxonomy of recommender agents on the internet. Artificial intelligence review, 19(4), 285-330. https://doi.org/10.1023/A:1022850703159