추천시스템이란?

• 사용자(user)에게 관련된 아이템(item)을 추천해 주는 것
  • A: 한국 드라마/영화, 로맨스물
  • B: 미국 드라마/영화, 액션물
• 그럼 부부의 세계, 스파이더맨 파 프롬 홈, 타짜가 상영중일 때, A씨에게는 부부의 세계를 B씨에게는 스파이더맨 파 프롬 홈을 추천해 주면 좋아할 것 같음

• 실제 추천 시스템에서는 영화들을 이렇게 좌표 평면에 표현

• 거리가 좁으면 좁을수록 유사도가 높다고 생각할 수 있음

• 즉, 사용자와 관련된 항목을 찾아 추천해 줄 수 있음

• C(21살/여성/대한민국/학생/서울)에 대해서는 개인 정보밖에 아는 것이 없음

  • C에게는 어떤 영화를 추천해 주면 좋을까? 이럴 때는 다른 비슷한 조건의 사용자가 좋아했던 항목들을 바탕으로 추천을 해줄수 있음. C와 비슷한 사람은.. A이니 A가 좋아했던 것 중에 추천! 혹은 A에게 추천한 부부의 세계를 추천해 주어도 좋을것 같음

간단한 추천 로직은,

1. 범주형 데이터를 다룬다.

   • 액션물, 로맨스물, 스릴러물, 한드, 미드, 일드, 영드 등의 영화 item 데이터와 A, B, C 같은 user 데이터를 취급했습니다. 이러한 데이터는 연속적(continuous)이지 않고 이산적(discrete)입니다. 이를 범주형(categorical) 데이터라고 합니다.

2. (숫자 벡터로 변환한 뒤) 유사도를 계산한다.

   • 범주형 데이터들을 좌표에 나타내었는데, 좌표에 나타내기 위해서는 숫자로 이루어진 벡터(numerical vector)로 변환해야 합니다. 그리고 그 거리를 계산하여 유사도를 계산합니다.

⇒ 요약

1. 범주형, 이산적인 데이터를 숫자 벡터로 변환합니다.
2. 이 숫자 벡터의 유사도를 계산하여 유사도가 가까운 (혹은 높은) 제품을 추천해 줍니다.