이 문서는 Google Cloud Translation API를 사용해 자동 번역되었습니다.
어떤 문서는 원문을 읽는게 나을 수도 있습니다.
최근 몇 년 동안 추천 시스템이 점점 인기를 얻고 있습니다. 추천 시스템이라고도 하는 추천 시스템은 사용자가 항목에 부여할 "등급" 또는 "선호도"를 예측하는 정보 필터링 시스템의 하위 클래스입니다.
추천 시스템은 비디오 및 음악 서비스용 재생 목록 생성기, 온라인 상점용 제품 추천기 또는 소셜 미디어 플랫폼용 콘텐츠 추천기 및 개방형 웹 콘텐츠 추천기의 형태를 취하는 일반적으로 인식되는 예와 함께 다양한 영역에서 활용됩니다. 이러한 시스템은 음악과 같은 단일 입력 또는 뉴스, 책, 검색 쿼리와 같은 플랫폼 내 및 플랫폼 전반에 걸친 다중 입력을 사용하여 작동할 수 있습니다.
몇 가지 유형의 추천 시스템이 있으며, 선택한 시스템은 보유하고 있는 데이터 유형과 추천하려는 대상에 따라 달라집니다. 추천 시스템의 세 가지 주요 유형은 콘텐츠 기반, 협업 필터링 및 하이브리드입니다.
콘텐츠 기반 추천 시스템은 항목 간의 유사성을 기반으로 합니다. 이 접근 방식은 일종의 메타데이터가 첨부된 대규모 항목 데이터 세트가 있을 때 사용됩니다. 예를 들어 영화 추천기를 구축하는 경우 장르, 감독, 배우 및 키워드와 같은 메타데이터를 사용하여 유사한 영화를 찾을 수 있습니다.
콘텐츠 기반 추천기를 구축하는 첫 번째 단계는 각 항목에 대한 콘텐츠 기반 프로필을 만드는 것입니다. 그런 다음 이 프로필을 사용하여 항목 간의 유사성을 계산합니다. 항목 간의 유사성은 종종 두 벡터가 얼마나 밀접하게 정렬되어 있는지를 측정하는 코사인 유사성을 사용하여 계산됩니다.
항목 간의 유사성을 계산한 후에는 프로필을 기반으로 사용자에게 항목을 추천할 수 있습니다. 예를 들어 사용자가 액션 영화를 많이 본 경우 이미 본 것과 유사한 다른 액션 영화를 추천할 수 있습니다.
협업 필터링은 한 그룹의 사람들의 집단적 지혜를 기반으로 추천하는 방법입니다. 이 접근 방식은 항목에 대한 사용자 및 평가의 데이터 세트가 있을 때 사용됩니다.
협업 필터링에는 사용자 기반과 항목 기반의 두 가지 주요 유형이 있습니다.
사용자 기반 협업 필터링은 사용자 간의 유사성을 기반으로 추천하는 방법입니다. 이 접근 방식은 항목에 대한 사용자 및 평가의 데이터 세트가 있을 때 사용됩니다. 예를 들어 영화 추천기를 구축하는 경우 다른 사용자의 평가를 사용하여 유사한 사용자를 찾을 수 있습니다. 유사한 사용자를 찾으면 유사한 사용자가 높게 평가한 항목을 현재 사용자에게 추천할 수 있습니다.
항목 기반 협업 필터링은 항목 간의 유사성을 기반으로 추천하는 방법입니다. 이 접근 방식은 항목에 대한 사용자 및 평가의 데이터 세트가 있을 때 사용됩니다. 예를 들어 영화 추천기를 구축하는 경우 다른 사용자의 평가를 사용하여 유사한 영화를 찾을 수 있습니다. 유사한 영화를 찾으면 해당 영화를 현재 사용자에게 추천할 수 있습니다.
하이브리드 추천 시스템은 콘텐츠 기반 및 협업 필터링의 조합입니다. 이 접근 방식은 일종의 메타데이터가 첨부된 항목 데이터 세트와 항목에 대한 사용자 및 평가 데이터 세트가 있을 때 사용됩니다.
하이브리드 추천기를 구축하는 첫 번째 단계는 각 항목에 대한 콘텐츠 기반 프로필을 만드는 것입니다. 그런 다음 이 프로필을 사용하여 항목 간의 유사성을 계산합니다. 항목 간의 유사성은 종종 두 벡터가 얼마나 밀접하게 정렬되어 있는지를 측정하는 코사인 유사성을 사용하여 계산됩니다.
항목 간의 유사성을 계산한 후에는 프로필을 기반으로 사용자에게 항목을 추천할 수 있습니다. 예를 들어 사용자가 액션 영화를 많이 본 경우 이미 본 것과 유사한 다른 액션 영화를 추천할 수 있습니다.
콘텐츠 기반 추천 외에도 협업 필터링을 사용하여 추천할 수도 있습니다. 협업 필터링에는 사용자 기반과 항목 기반의 두 가지 주요 유형이 있습니다.
사용자 기반 협업 필터링은 사용자 간의 유사성을 기반으로 추천하는 방법입니다. 이 접근 방식은 항목에 대한 사용자 및 평가의 데이터 세트가 있을 때 사용됩니다. 예를 들어 영화 추천기를 구축하는 경우 다른 사용자의 평가를 사용하여 유사한 사용자를 찾을 수 있습니다. 유사한 사용자를 찾으면 유사한 사용자가 높게 평가한 항목을 현재 사용자에게 추천할 수 있습니다.
항목 기반 협업 필터링은 항목 간의 유사성을 기반으로 추천하는 방법입니다. 이 접근 방식은 항목에 대한 사용자 및 평가의 데이터 세트가 있을 때 사용됩니다. 예를 들어 영화 추천기를 구축하는 경우 다른 사용자의 평가를 사용하여 유사한 영화를 찾을 수 있습니다. 유사한 영화를 찾으면 해당 영화를 현재 사용자에게 추천할 수 있습니다.
추천 시스템은 웹 사이트 또는 애플리케이션에서 사용자 경험을 개인화하는 데 사용할 수 있는 강력한 도구입니다. 다양한 유형의 추천 시스템과 작동 방식을 이해하면 필요에 맞는 것을 선택할 수 있습니다.