MiMi's Self-development Blog

성능이 좋다고 해서 꼭 좋은 추천을 하는 것은 아니지만, 추천 시스템의 정합성을 알 수 있는 대표적인 평가지표에 대해서 알아보고자 합니다. 평점 예측에 사용되는 평가지표 ⬛ RMSE(Root Mean Squre Error) 평점 등 예측 문제의 추천 성능을 평가할 때 사용하는 지표 관측값과 실제값 사이의 오차(잔차)의 제곱을 산술평균한 값의 제곱근 RMSE가 낮을수록 추천 알고리즘의 성능이 더 좋다고 정량적으로 평가 가능하다. 랭킹 추천에 사용되는 평가지표 ⬛ NDCG(Normalized Discounted Cumluative Gain) 랭킹 추천에 많이 사용되는 평가 지표로, 정보 검색에서 많이 사용했던 지표 검색엔진, 영상, 음악 등 컨텐츠 랭킹 추천에서 주요 평가지표로 활용 Top-N 랭킹 리스트를..

추천 시스템의 구조 추천 시스템의 전체적인 구조는 후보를 생성하는 단계와 랭킹을 매기는 단계로 구분된다. ⬛ 후보 생성하는 단계 수백만개의 아이템 중 사용자의 활동 기록을 기반으로 후보가 될 만한 수백 여개의 아이템으로 선정하는 단계이다. 이러한 후보는 일반적으로 높은 정밀도로 사용자와 관련이 있고 협업 필터링(사용자간의 유사성)을 통해서만 광범위한 개인화를 제공한다. 리스트에서 최상의 리스트를 제시하기 위해서는 recall이 높은 후보 간의 상대적 중요성을 구분하기 위해 세밀한 수준의 표현이 필요하다. ⬛ 랭킹을 매기는 단계 아이템과 사용자를 설명하는 Feature을 사용하여 원하는 목적 함수에 따라 각 아이템에 점수를 할당하여 가장 높은 점수를 받은 아이템이 점수에 따라 순위가 매겨져 사용자에게 표시..

추천 시스템 이란? ⬛ 등장배경 인터넷의 폭발적인 성장과 정보의 다양화로 인터넷에서 찾을 수 있는 정보가 많아졌고, 인터넷 관련 비즈니스(e-Business, e-Commerce)가 활성화되면서 사용자가 인터넷 공간에서 정보를 찾고 적절한 결정을 내리기 어려운 실정이 되었다. ▶ 사용자가 정보를 수집하고 찾는 시간을 줄여주는 것이 목적! ⬛ 추천시스템 정의 사용자(user)와 상품(Item)으로 구성된 시스템으로, Item 또는 User가 관심 갖을만한 정보를 추천한다. 특정 사용자(User)가 좋아할 상품(Item)을 추천하거나, 비슷한 상품(Item)을 좋아할 사용자(User)를 추천한다. Push Information으로 사용자가 요구하기 전 작동하며, 사용자 스스로 원하는 바를 정확히 알지 못한다..