추천시스템 (recommendation system) 이란..?

안녕하세요. 은행 IT운영부 이지성과장입니다.

 

오늘은 머신러닝 중 실생활에 가장 많이 쓰이는 추천시스템에 대해서 알아보도록 하겠습니다. 

쿠팡이나, 지마켓, 옥션 등의 온라인 몰에서 어떤 특정 상품을 클릭했을 때, 연관 상품을 보여주는 경험은

한번 쯤 있으셨을 거라고 생각됩니다.

 

(아래 그림은 "맥북"으로 옥션 사이트에서 검색하였을 때, 연관상품을 보여준 사례입니다)

 

연관 추천 상품의 사례

 

이렇게 추천시스템은 사용자들의 취향을 분석하여 좋아할만한 콘텐츠를 추가적으로 알려주며,
사용자들로 하여금 새로운 상품을 구입할 수 있게 유도할 수 있고, 기업은 이것을 통해 이익을 얻을 수 있습니다.

최근 넥플릭스 사용자라면 아시겠지만, 넷플릭스에서 특히 많이 사용되고 있으며, 

내가 시청한 동영상과 비슷한 종류의 동영상들을 추천해주고 있음을 알 수 있습니다.

 

넷플릭스에서 찾아준 비슷한 콘텐츠

이러한 추천시스템에도 여러 종류가 있습니다. 크게 4가지로 기법이 있습니다.

 

1) 협업필터링 기반

2) 콘텐츠 기반

3) 지식 기반

4) 하이브리드

 

협업필터링 기반 추천시스템은 두명의 사용자가 비슷하다고 판단되면, 

한 사용자가 선택한 콘텐츠를 기반으로 다른 사용자에게 추천해주는 방식입니다.

영화 추천으로 예를들면, 사용자 A의 경우 올드보이, 텔미썸딩을 보았다고 가정하고,

사용자 B의 경우 올드보이, 살인의 추억을 보았다고 가정해봅시다.

이 때, A와 B는 성향이 유사하다고 판단되고, B사용자에게 A사용자가 관람한, 텔미썸딩을 추천해 주는 방식입니다.

 

출처: NETHRU

 

콘텐츠 기반 추천시스템은 사용자가 선택한 콘텐츠들을 분석해서 비슷한 것들을 추천해주는 방식입니다.

어떤 사용자가 터미네이터, 수퍼맨, 배트맨 등 액션물을 많이 보았다고 가정해봅시다.

이런경우 "007 영화"를 추천해주는 방식이 되겠습니다.

 

출처: NETHRU

 

협업필터링 기반, 콘텐츠 기반 모두 사용자가 어떤 특정 아이템을 선택한 정보가 있어야 제대로 동작합니다.

그러나 이런 사전 정보가 적거나 없을 시 지식기반 (내용기반) 추천 시스템을 사용하게 됩니다.

사용자가 작성한 댓글이나, 취향을 분석하여 추천하는 방법이 되겠으며, 

하이브리드 방식은 위에 언급된 추천 방식들을 2개 이상 적절히 혼합한 방식이 되겠습니다.

 

추천 시스템은 콘텐츠가 존재하는 곳에서는 쓰일 곳이 너무나도 많은 시스템입니다. 문득 든 생각이지만, 회사 내 여러 기술셋을 가진 분들이 많으실 것 같은데, 직무 순환과 관련된 추천 알고리즘을 이런 기술셋 데이터를 기반으로 하여 머신러닝의 도움을 받을 수 있지 않을까? 잡생각을 좀 해보았네요..ㅎㅎㅎ

 

5월에는 영화 리뷰를 토대로 추천해주는 서비스들을 코딩해 볼 계획입니다.

코로나 19로 인해 많이 답답하시겠지만, 건강한 4월 되시길 바라겠습니다.