추천시스템4 [추천 시스템 입문] 동영상 추천에서 중요한 요소 동영상 추천 설명의 중요성 - 동영상 시청에는 많은 시간이 걸리므로 추천받은 영상이 좋아하는 영상이 아닌 것을 알게 되면 서비스에 대한 불신이나 후회로 연결될 수 있음 - 사용자가 안심하고 동영상 시청을 시작할 수 있도록 최적의 설명을 제공하는 것이 중요함 - 예를 들어, '다른 사람도 보고 있습니다',와 같이 추천 개인화 - 각 사용자에게 맞는 썸네일 이미지를 선택하거나 시간이나 계절과 같이 콘텍스트에 맞는 매력적인 썸네일을 만들어 사용자의 시청을 도울 수 있음 넷플릭스 추천 시스템 개발 - 아마존이 사용하던 협조 필터링이라는 방법을 활용해 추천 엔진을 만들었음(공통된 구매 행동을 기반으로 '이 상품을 구입한 사람들은 이런 상품도 구입하고 있습니다'라는 추천을 도출함) -> 하지만 2개의 작품을 봤다고.. 2023. 6. 11. [추천 시스템 입문] 추천 알고리즘 종류 및 평가 CHAPTER6. 실제 시스템과의 조합 6.1. 시스템 개요 6.1.1. 배치 추천과 실시간 추천 - 아이템이나 사용자의 신규 추가 및 업데이트 빈도가 적고 업데이트 요구 수준이 비교적 낮을 때는 배치 추천이 적합함 6.1.2. 대표적인 추천 시스템 개요 개요 추천 - 개요 추천은 신규순이나 인기순으로 아이템을 표시하는 것으로 DB에 접근해 신규순으로 아이템을 정렬하는 쿼리를 실행하는 방법으로 할 수 있음 - 인기순으로 설계할 때는 인기도 집계를 수행하고 그 결과를 DB에 저장한 후 그 결과를 화면에 표시함 연관 아이템 추천 - 연관 아이템 추천 방법 중 하나는 사전에 유사도 계산하고 비슷한 아이템군을 DB에 저장해 결과를 반환하는 것임 - 유사 아이템 계산의 경우 행동 로그나 아이템의 콘텐츠 특징량 등.. 2023. 6. 11. [추천 시스템 입문] 추천 알고리즘 종류 CHAPTER4. 추천 알고리즘 개요 4.1. 추천 알고리즘 분류 - 추천 시스템 알고리즘은 내용 기반 필터링과 협조 필터링 2가지로 나눌 수 있음 - 내용 기반 필터링은 책의 제목이나 저자, 장르 등과 같이 아이템의 내용을 나타내는 정보를 사용하며, 사용자가 선호하는 정보를 기반으로 내용이 비슷한 아이템을 계산함으로써 추천을 수행하는 알고리즘임 - 협조 필터링은 서비스 내에 있는 다른 사용자의 과거 행동 등을 통해 얻어진 기호 경향을 활요하여 추천하는 알고리즘임(입소문과 같음) - 협조 필터링은 예측을 실행하는 방법 관점에서 메모리 기반 방법과 모델 기반 방법으로 나뉨 - 메모리 기반 방법은 추천 아이템이 사용될 때까지 시스템에 사용자의 데이터를 축적하기만 하고 예측을 위한 계산은 수행하지 않음(예측을.. 2023. 6. 10. [추천 시스템 입문] 추천 시스템 소개와 UI/UX Chapter1. 추천시스템 1.3. 추천 시스템의 종류 1.3.1. 입력(데이터 입력) - 추천 시스템에 사용하는 데이터는 주로 콘텐츠와 인터랙션 두 종류가 있음 사용자와 아이템의 콘텐츠 정보 - 콘텐츠 정보를 이용하는 추천을 내용 기반 필터링이라 부름 사용자와 아이템의 인터렉션 정보 - 인터렉션 정보는 사용자가 서비스 안에서 행동한 이력 데이터를 말하며, 열람, 구입, 북마크, 평가 등이 있음 -> 찜한 강의 데이터 - 인터렉션 정보를 사용하는 추천을 협조 필터링이라 부름(신규 아이템은 행동 이력 데이터가 없으므로 전자의 콘텐츠 정보를 사용한 내용 기반 필터링으로 추천하는 경우가 많음) - 신규 사용자나 신규 아이템 데이터가 적어 추천이 어려워지는 것을 콜드 스타트 문제라고 함 1.3.2. 프로세스(.. 2023. 6. 10. 이전 1 다음
