사용자 정의 콘텐츠 추천 알고리즘

[SolfE]

기능 설명

사용자가 좋아할 만한 콘텐츠를 사용자에게 먼저 알고리즘으로 제시합니다.

세분화 될 수 있는 기능

• 크롤링 (썸네일 제작용)
• 추천 알고리즘 구성

필요한 이유

No response

[SolfE]

추천 알고리즘

1. 협업 필터링

• 사용자의 과거 행동 데이터를 기반으로 비슷한 취향을 가진 다른 사용자들이 좋아한 아이템을 추천하는 방법
• 가정 : 비슷한 사용자들은 비슷한 아이템을 좋아할 것이다.
• 메모리 기반 방법은 직접 유사도 계산으로 계산, 모델 기반 방법은 행렬 분해 등 머신러닝 기법을 사용

2. 콘텐츠 기반 필터링

• 추천할 아이템 자체의 특성을 분석하여 사용자가 이전에 선호한 아이템과 유사한 특성을 가진 아이템을 추천하는 방법
• 가정: 이전에 사용자가 좋아한 아이템과 비슷한 아이템을 좋아할 것이다.
• 아이템의 메타데이터, 설명, 태그 등과 자연어 처리 같은 기법으로 특징 분석

협업 필터링과 콘텐츠 기반 필터링의 장단점

구분	협업 필터링	콘텐츠 기반 필터링
장점	- 상품 자체 정보 없이도 추천 가능	- 아이템 자체 특성만으로도 추천 가능
	- 사용자 간 행태 기반으로 새로운 추천 제공에 효과적	- 신규 아이템에 대한 추천에 강점
	- 추천 결과가 직관적이며 개인 취향 반영 우수	- 다른 사용자 데이터가 없어도 추천 가능
		- 추천 근거 설명 가능
단점	- 신규 사용자, 신규 아이템의 콜드 스타트 문제 존재	- 추천 다양성 부족 (유사 특성 반복 추천)
	- 데이터 희소성 문제로 추천 정확도 저하 가능	- 사용자 과거 선호 패턴에 국한되어 탐색적 추천 한계
	- 계산량이 많아 대규모 사용자 시 처리 비용 증가	- 아이템 특성 정의에 주관성 개입 가능
	- 인기 없는 롱테일 아이템 추천 어려움	- 아이템 기능 한계로 인해 선호를 완전 반영 어려움