많은 AI 모델들이 점점 일상에 녹아들고 있는 현 시점에서, 가장 잘 녹아있는 분야는 단연 "추천(Recommendation)"분야라고 한다.
대표적인 예시로는 유튜브 알고리즘이나 넷플릭스, 인터넷 쇼핑몰 등에서 쉽게 찾아볼 수 있을 것이다.
그 중, 넷플릭스의 추천시스템에 대해 간략히 살펴보면서 어떤 방식을 채택하고 있는지 알아보자.
넷플릭스는 여러 요소를 활용하여 사용자의 시청 확률을 추정한다.
- 카테고리, 출시 연도, 제목, 장르
- 사용자가 매긴 평점, 시청기록
- 사용자자와 유사 취향을 가진 사용자의 시청 기록
- 사용자가 사용하는 기기, 요일, 위치 등
넷플릭스의 머신러닝 모델은 개별 사용자로부터 학습하고, 사용자의 이용 시간동안 데이터를 수집하며 업데이트한다. 따라서, 더 많은 이용시간을 가질수록 더 정확하고 최신화된 알고리즘이 형성된다.
조금 놀랐던 것은, 컨텐츠의 썸네일(Artwork)마저 제안한다는 것이다. 이런것까지 개인화 되어 있을 줄은 몰랐는데 이렇게 섬세해야 성공할수있구나를 좀 느꼈달까..ㅋㅋㅋ
https://netflixtechblog.com/artwork-personalization-c589f074ad76
Artwork Personalization at Netflix
Artwork is the first instance of personalizing not just what we recommend but also how we recommend.
netflixtechblog.com
아무튼, 이런 추천 시스템의 핵심은 [ 개인화 된 맞춤형 추천의 구현 방법 ]일 것이다.
과거에는, 불특정 다수를 타겟으로 추천을 진행했다면 현재는 최대한 세부적인 관심사와 타겟을 나누어 추천한다.
가장 기본적인 추천 알고리즘으로는 두가지가 있다.
- 협업 필터링 (Collaborative Filtering)
- 콘텐츠 필터링 (Contents Filtering)
다음 포스팅에서는 이 두가지 알고리즘에 대해 소개해보고자 한다.
[참고]
'ML > Recommendation' 카테고리의 다른 글
| [Recommendation] 추천 시스템 - 콘텐츠 기반 필터링 (Contents-based Filtering) (0) | 2024.01.20 |
|---|---|
| [Recommendation] 추천시스템 - 협업 필터링(Collaborative Filtering) (1) | 2024.01.19 |