협업필터링

ㅇ 추천 시스템에서의 협업 필터링은 많은 유저들로부터 모은 취향 정보들을 기반으로 하여 스스로 예측하는 기술

예시 ) 영화평점

 

ㅇ 비슷한 성향 또는 취향을 갖는 다른 유저가 좋아한 아이템을 현재 유저에게 추천 (ex) 쿠팡)

ㅇ 많은 사람의 의견으로 더 나은 추천을 한다

ㅇ 새로운 아이템에 대한 추천 부족 -> cold start problem

ㅇ 협업필터링에는 1.이웃기반 협업필터링 2.모델기반 협업필터링 3.하이브리드 협업필터링이 존재

ㅇ 이웃기반 협업 필터링은 다시 1.아이템 기반 협업필터링 2. 유저 기반 협업필터링으로 나뉨

    - 아이템 기반 협업필터링

      1) 아이템과 아이템 사이의 유사도를 계산 

      2) 여러 사용자의 과거 선호도 데이터를 기반으로 선호 연관성 높은 다른 아이템을 추천한다는 점에서

          컨텐츠 기반 추천시스템과 차이

      3) 과거 아이템에 의존하기 때문에 새로운 아이템 추천하기 어려움, 대신 아이템간을 가중치로 설명 가능

      4) 아이템 간의 유사도 예시)

 

    - 유저 기반 협업필터링

      1) 두 사용자가 얼마나 유사한 항목을 좋아했는지 바탕으로 추천 (ex sns의 친구 추천 등에 활용)

      2) 여러 유저의 데이터를 보기 때문에 더 새로운 추천 가능. 그러나 유저들의 실제 취향을 알기 어려움

      3) 유저 간의 유사도 예시)