[R] Recommendation System 01

Table of Contents

1. Introduction
2. 추천 시스템(Recommendation Systems)이란?
3. 추천 시스템의 분류
4. Reference

 

Introduction

과거에 비해 다양한 정보의 발생으로 인한 개인의 정보 과다노출로 피로도는 급격하게 늘어나고 있다. 이에 따라 다양한 영역에서 사용자의 니즈를 바탕으로 상품 또는 콘텐츠 등을 추천하기 위한 추천 시스템(Recommendation System)이 등장하였다. 추천 시스템은 크게 정보 필터링(Information Filtering System) 기술의 일종으로 영화 예매 사이트 또는 리뷰 사이트의 영화 추천 시스템 또는 쇼핑몰의 상품 추천 시스템 등에 사용되고 있다.우리는 주변에서 추천 시스템이라고 하면 협업 필터링(Collaborative Filtering) 또는 콘텐츠 기반 필터링(Content based Filtering) 등의 분석 기반 추천 시스템만을 생각한다. 그러나 현장에서는 신제품을 기획하고 출시한 이후 해당 상품을 추천하기 위한 전략 추천(Strategic Recommendation), 특정 이벤트에 맞춰 추천을 하는 이벤트 기반 상품 추천(Event based Marketing)을 가장 기본적으로 활용한다. 다수의 도메인에서 특정 상품을 기획하여 추천하는 전략 추천을 우선순위로 설정하고 분석 기반 추천 시스템을 가장 낮은 우선 순위로 제공하기도 한다. 본 글에서는 다양한 형태의 추천 시스템을 이해를 돕기 위한 기반을 마련하고자 한다.

 

추천 시스템(Recommendation systems)이란?

정보 필터링(Information Filtering)을 이용하여 사용자에게 흥미를 줄 수 있는 제품을 제공하는 시스템으로 사용자의 개인 정보, 선호도, 구매 이력 등을 바탕으로 추천 상품을 제공한다. 상품 추천은 구매전환율(Conversion Rate, CVR)을 높이게 하는 방법 중에 하나로 영화, 음악, 뉴스, 인터넷 쇼핑몰, 금융 서비스 까지 다양한 도메인에서 도입 및 연구 진행 중에 있다.

추천 시스템의 분류

추천 시스템은 크게 3가지 알고리즘으로 구분할 수 있다. 먼저, 장바구니 분석으로 유명한 연관성 분석(Association Rule)이 있고, 콘텐츠 정보를 바탕으로 추천을 하는 콘텐츠 기반 필터링(Content-based Filtering) 그리고 콘텐츠 기반 필터링의 대안 방식이자 가장 많이 사용하는 협업필터링(Collaborative Filtering)이 있다. 협업 필터링은 접근 방식에 따라 더 상세하게 구분하고 있다. 근접 이웃을 바탕으로 하는 기억 기반 협업필터링(Memory-based Collaborative Filtering)과 잠재 요인을 바탕으로 추천하는 모델 기반 협업필터링(Model-based Collaborative Filtering) 그리고 두 접근 방식을 조합한 하이브리드 협업필터링(Hybride Collaborative Filtering)으로 구분한다.

 

[그림 1] 추천시스템 분류

 

Reference

 한국정보통신기술협회, "IT용어사전", https://terms.naver.com/entry.naver?cid=42346&docId=3436437&categoryId=42346
Dietmar Jannach 등, "Recommender Systems: An Introduction", http://www.recommenderbook.net/recommender-systems-introduction/authors
Yehuda Koren 등, "Matrix Factorization Techniques for recommender systems", https://datajobs.com/data-science-repo/Recommender-Systems-[Netflix].pdf

Jaydatagraph, "[Algorithms] 협업필터링(Collaborative Filtering)", https://jaydata.tistory.com/107