추천시스템 역사

ㅇ Classic Recommender system

   1) 컨텐츠 기반 추천 시스템 (아이템의 특징을 가지고 추천. ex) 봉준호가 만든 영화)

   2) 협업 필터링 (유저끼리 같은 아이템에 대해 평가한 것을 토대로 추천 ex) 영화 평점)

     - 근접이웃기반 추천 시스템

        ㄱ. 아이템 기반 협업 필터링

        ㄴ. 유저 기반 협업 필터링

     - 모델 기반 추천 시스템

        ㄱ. matrix factorization

   4) 하이브리드 추천 시스템

 

ㅇ Context-Aware recommender system (날씨, 기온, 위치 등등 추가)

    (Classic만 하기는 그렇고 딥러닝만하기는 리소스가 부족할 때 추천)

 

ㅇ Deep learning  based recommender system

   1) Neural collaborative filtering (근접이웃기반 추천 시스템을 기반으로 딥러닝을 돌림)

   2) factorization machine (x 피<유저와 아이템의 원핫인코딩 및 기타 정보들) 를 만들어서 학습)

      & deep factorizaion machine

   3) wide & deep learing for recommender sysytem (Linear 모델<wide>과 Generalization<Deep> 모델로 구분)

   4) DeepFM (wide & deep과 유사하지만 FM을 사용하며, input을 FM과 Deep layer가 서로 공유함)

   5) autoencoders meet collaborative filtering (input과 output을 잘 맞출 수 있는 hidden representation을 맞춤)

   6) hybrid & context aware recommender system

 

ㅇ 기타

      - 텍스트 데이터를 활용한 추천 시스템 (RNN 기반)

      - 이미지 데이터를 활용한 추천 시스템 (CNN 기반)

      - 오디오 데이터를 활용한 추천 시스템 

      - commercial recommender system