고객지원 > 지식/노하우

지식/노하우

지식/노하우

스마트오퍼의 개인화 추천 알고리즘

페이지 정보

작성일2017-08-25

본문

 

스마트오퍼의 개인화 추천 알고리즘

㈜넷스루 전략기획실

 

 

넷스루의 개인화 추천 솔루션인 스마트오퍼는 데이터를 스스로 학습하여 더 나은 추천 성과를 낼 수 있도록 머신러닝(Machine Learning) 기법을 사용합니다. 머신러닝은 데이터로부터 학습을 기반으로 특정 대상의 행동 예측에 방점을 두고 있기에, 특정 정보의 추천 체계에 폭넓게 활용되어 왔습니다. 검색과 추천 등의 다양한 분야에 오래 전부터 활용되어 왔으며, 최근 들어서는 영미권을 중심으로 구글, 야후, 페이스북, 아마존, 그리고 국내에서는 다음의 카카오 뉴스 등에서 머신러닝을 이용한 이용자 행동기반의 추천 서비스가 발전되어 왔습니다. 이러한 머신러닝을 활용하는 추천 알고리즘은 크게 두 가지로 나누어 집니다. 내용기반 필터링(Content-Based Filtering)과 협업 필터링(Collaborative Filtering) 알고리즘입니다.

0ff72a46315e7e12cc6f54e9c12c9602_1503645 
Source: https://hackernoon.com/log-analytics-with-deep-learning-and-machine-learning-20a1891ff70e

내용기반 필터링에서는 각 콘텐츠의 메타 정보(Meta data)에서 특성(Features)을 추출하여 아이템 프로파일(Item profile)을 생성하고, 이용자가 선호했던 콘텐츠들에서 자주 나타나는 특성들을 추출하여 이용자의 선호도 프로파일을 만든 뒤, 새로 유입되는 콘텐츠들 중 생성된 프로파일과 유사한 콘텐츠들만을 추출하여 이용자에게 제공합니다. 협업 필터링 시스템은 이용자와 콘텐츠 소비성향이 비슷한 유사 이용자들을 찾아내고, 이용자가 소비하지 않았지만 유사 이용자군에서 많이 소비된 콘텐츠를 추천해 주는 방식입니다. 협업 필터링 시스템은 1990년대 후반 이후 추천에서 가장 많이 사용되고 입니다.

 

0ff72a46315e7e12cc6f54e9c12c9602_1503645 
Source: https://www.marutitech.com/recommendation-engine-benefits/

내용기반 필터링과 협업 필터링의 주요한 차이는 내용기반 필터링은 특정 개인의 행동 정보만을 사용하는 반면, 협업 필터링에서는 특정 개인뿐만 아니라 이용자와 비슷한 성향의 다른 이용자들의 정보(Community Information)도 함께 이용한다는 점입니다. 협업 필터링 추천은 내용기반 필터링에 비해 신선한 추천(Serendipity Recommendation)이 가능하고, 다른 이용자들의 정보도 활용하기 때문에 내용 기반의 추천에 비해 이용자의 '행동 데이터'(Behavioral Data)가 상대적으로 많지 않더라도 추천이 가능합니다. 

 

0ff72a46315e7e12cc6f54e9c12c9602_1503645 
Source: https://www.linkedin.com/pulse/how-retail-analytics-can-help-your-offline-online-business-vardhan

여기서 행동 데이터는 이용자가 서비스를 이용하는 모든 행동을 기록한 정보입니다. 전자상거래 서비스의 경우, 이용자가 어떤 상품을 보았으며, 해당 상품을 보는 살펴보는데 걸린 시간이 얼마인지, 그리고 이용자가 서비스에 주로 접속하는 시간 등이 중요한 행동 데이터로 취급됩니다. 반면에 협업 필터링 추천은 콘텐츠 메타 데이터를 사용하지 않고, 복잡한 '특성 추출 및 선택'(Feature Extraction & Selection) 기술이 필요하지 않습니다. 메타 데이터는 콘텐츠의 특성을 보여주는 모든 정보를 포함합니다. 영화를 예로 들면 감독, 배우, 대본, 줄거리, 평론가 및 이용자 평점, 상영 시간, 장르, 평론가 및 이용자 리뷰 내용, 개봉일, 흥행 정보(박스 오피스)등 영화와 관련된 모든 사항이 정보에 포함됩니다.

 

0ff72a46315e7e12cc6f54e9c12c9602_1503645 
Source: http://www.infolibcorp.com/metadata-management

이 추천 알고리즘들의 차이를 조금 더 극명하게 비교하자면, 협업 필터링의 추천은 내용기반 필터링과 달리 이용자가 평소 좋아하는 콘텐츠와의 내용적인 유사성이 전혀 없는 콘텐츠도 추천이 가능합니다. 예를 들어, 협업 필터링 체계에서는 평상시 스포츠 뉴스만 보는 이용자 A에게도 경주 지진에 대한 뉴스 추천이 가능합니다. 스포츠 뉴스를 많이 보는 다른 사용자들이 경주 지진에 대한 뉴스를 많이 본 행동 정보가 협업 필터링 추천에도 활용되기 때문입니다. 그러나 내용기반 필터링은 이용자의 행동 정보만을 근거로 추천을 수행하기 때문에, 이용자 A의 평소 관심사가 아닌 경주 지진이 이용자 A에게 추천되는 것은 불가능합니다.

 

0ff72a46315e7e12cc6f54e9c12c9602_1503645

 
지금까지 내용을 보면 협업 필터링이 훨씬 좋아 보일 것입니다. 하지만 협업 필터링은 기존에 많이 축적된 이용자의 행동 정보에만 의존하여 새로운 콘텐츠 보다는 종래의 콘텐츠를 주로 추천하며, 데이터가 부족한 상황에서 추천 품질이 저하되는 문제(Cold-Start Problem)가 발생합니다. 스마트오퍼는 머신러닝을 활용한 이 두 가지 알고리즘들을 적절히 조합하여 사용하기 때문에 걱정할 필요가 없습니다. 이미 대중적으로 검증된 머신러닝 방식의 추천 서비스는 앞으로도 점차 확대될 전망입니다.

  • 트위터로 보내기
  • 페이스북으로 보내기

모바일 페이지로 이동