Recommender system

Content based filtering

-컨텐츠에 기반해서, 사용자가 어떤 것을 좋아하는지 판단하고 추천해주는 시스템이다.

한계

- 컨텐츠마다, 어떤것이 의미있는지 정해줘야한다.

- 퀄리티 측면에서는 떨어질 수 있다.

-새롭고 다양한 아이템을 잘 추천하지 않는다.

MEMORY BASED CF:

아이템에 대해, 사용자의 RATING 을 추측할 때, 비슷한 유저나 아이템의 정보를 이용하는 것이다.

MODEL BASED CF:

아이템에 대해, 사용자의 RATING 을 추측할 때, 모델을 만들어 그 모델에 의해 추측하는 것이다. (CLUSTERING 같은)

- 신상은 추천 못해준다.

cold start problem ( 시작할 때 문제가 생긴다.)

–> 노출을 시킨다. 평가단 활용

- 계산이 비싸다.

knn 이니까, centroid 찾을 때도…

한번 추천해주는데 계산이 ..

미리 계산해놓기 어렵. 실시간으로 값이 많이 바뀌기 때문에.

computationally expensive = not scalable( 데이터가 커져도 할 수 있는 알고리즘이 아니다)

데이터 커지면, 느려서 못쓴다.

유사도 측정

Item based CF

K =n

아이템끼리의 유사성을 본다. 가장 유사한 아이템 n개를 정한다.

그리고, 한 아이템에 대해서, 사용자가 구매한 아이템이 몇 개인지보고, 그거에 대한 상관성을 계산해준다.