추천시스템 3 - 예측과 추천

추천시스템

본 포스팅은 Minnesota대학교의 Intro to Recommender Systems코세라 강좌를 정리한 내용입니다.

https://www.coursera.org/learn/recommender-systems-introduction?specialization=recommender-systems

 

 

 

예측

• 추천시스템에서 사용자가 한 아이템을 얼마나 좋아할것인가를 예측하는 값.
• 대부분 사용자의 평점과 맞아 떨어진다.
• 검색이나 서핑과 밀접한 관계에 있다.

 

코세라에도 사용자가 이 강의를 얼마나 좋아할 것인지에 대한 예측값이 있다. (사용자의 프로필과는 연관성이 없음)

 

 

 

 

 

 

 

 

 

 

추천

• 추천은 예측값과 같이 이만큼 좋아할 것이다 라는 대담한 추측을 하지는 않는다.
• 추천이란 사용자가 한 아이템을 좋아할 것이라고 제안하는 행위.
• 추천은 종종 최상위 몇개의 리스트를 제안하기도 한다.

 

예측 vs 추천

	예측	추천
장점	수치화 해준다.	좋은 선택지를 제공해 준다.
단점	외곡된 정보를 줄 수 있다.	아이템/컨텐츠를 탐색하는 것을 막는다.

 

추천이 얼마나 노골적인가?

노골적인 추천은 장점도 있지만, 단점이 많다.

• 사람들은 노골적인 추천을 잘 믿지 않는다. 따라서 조금 부드러운 추천이 낫다.

반대로 자연스러운 추천은 사람을 편안하게 한다.

• 여러 옵션을 제공해주고 그 중에서 고르게 하면 사용자는 더 쉽게 고를 수 있다.
• 소프트한 노출이 더 효과적이다.