본문 바로가기
논문리뷰/추천시스템

[추천시스템] 콘텐츠 기반 추천 시스템 정의

by code cleaner 2021. 5. 2.
반응형

정의: 콘텐츠, 즉! 아이템을 기반으로 추천한다.

 

1. 사용자가 과거에 경험했던 아이템 중, 비슷한 아이템을 현재 시점에서 추천한다.

2. 아이템의 항목 자체를 분석하여 추천한다.


방법: 콘텐츠 프로파일링하여 유저가 선호했던 콘텐츠와 유사한 콘텐츠의 추천 리스트를 생성한다.

 

콘텐츠 프로파일링
1. 아이템에 속성, 피쳐, 항목을 정량화한다.
  (예: 영화의 장르, 감독 등을 원핫인코딩 혹은 벡터화 한다.)
2. TF-IDF로 설명 등을 포함하는 문서에서 키워드를 추출한다.
  (예: 영화 줄거리에서 키워드를 추출한다.)
3. 콘텐츠 간에 유사도 분석을 한다.
  ( 코사인 유사도, 자카드 유사도 등을 활용한다.)
사용자 프로파일링
1. 사용자가 아이템에 가지고 있는 특정 가중치를 활용한다.
    (예: 사용자가 특정 아이템에 대해 별점, 선호도 값, 상품 클릭수 등)

장점:

1. 아이템 정보만 있으면 분석이 가능하다.
2. 모든 아이템에 대해 추천이 가능하다. (새로운 아이템, 인기 없는 아이템)
    -> 일부 추천은 새로운 아이템이나 인기 있는 아이템에 추천률이 낮다.

단점: 

1. 추천에 활용한 적절한 아이템의 항목을 찾기 어렵다.
2. '콜드 스타트' 즉, 새로운 사용자에게 츄천하기 어렵다.

[글쓰기 참조 링크] 

www.kocca.kr/insight/vol05/vol05_04.pdf

skyeong.net/265

반응형