추천시스템 개요

PULL: 사용자들은 본인이 원하는 것을 얻기 위해 keyword 로 검색을 한다. 사용자가 원하는 의도를 가지고 원하는 object를 찾는 방식을 pull이라고 한다. 

PUSH: 사용자의 흥미나 의도를 고려하여서 사용자도 모르는 필요를 제안해주는 방식이다. 

 

왜 필요할까? 

 

아이템이 기하급수적으로 많아져서 원하는 것을 효율적으로 찾기가 어려워졌다. 

또한 자기가 무엇을 원하는지도 모르는 경우의 needs를 채워줄 수 있다. 

즉, 추천시스템은 long tail phenomenon 이라 하는 즉, 물건이 많아도 소수만 인기가 많은 현상을 해결하고자 하고 이는 추천시스템의 본질적 목표이기도 하다. 

 

 

사용자는 long tail 이 잘 될 수록 '개인화'가 잘 된다고 생각한다. 

 

 

추천 시스템에서는 유저 관련 정보, 아이템 관련 정보 그리고 유저 - 아이템 상호작용 정보를 사용한다. 

아래는 유저 관련 정보이다. 

 

 

최근 딥러닝 기반 등 모델들이 추천시스템을 뒷받쳐줘 유저 행동 정보를 사용할 수 있다. 

 

 

아이템은 추천 아이템의 종류에 따라 사용 가능 데이터가 많이 바뀔 수 있고, 그러한 데이터를 meta data라고 한다. 

 

유저가 오프라인이든 온라인이든 상호작용시 로그로 남고, 추천시스템의 feedback 으로 남는다. 

해당 feedback은 아래와 같이 두개로 구분 할 수 있다. 

 

---

 

추천 문제는 다음과 같은 2가지 문제로 나뉜다. 

 

 

예시 - 광고 추천