추천 개요
추천 시스템은 비즈니스용 머신러닝의 가장 성공적이면서 다양한 애플리케이션 중 하나입니다. 추천 시스템을 사용하면 사용자가 대량의 콘텐츠에서 원하는 콘텐츠를 찾도록 도울 수 있습니다. 예를 들어 Google Play 스토어는 수백만 개의 앱을 제공하고 YouTube는 수십억 개의 동영상을 제공하고 있으며 매일 더 많은 앱과 동영상이 추가되고 있습니다. 사용자는 검색을 사용하여 새로운 콘텐츠를 찾을 수 있지만, 이는 사용하는 검색어에 의해 제한됩니다. 추천 시스템은 사용자가 스스로 검색을 생각하지 못할 수 있는 콘텐츠를 제안할 수 있습니다. 자세한 내용은 추천 시스템 개요를 참조하세요.
추천 시스템의 머신러닝 알고리즘은 일반적으로 콘텐츠 기반 및 협업 필터링 기반의 두 가지 카테고리로 분류됩니다.
- 콘텐츠 기반 필터링: 항목 간 유사성을 사용하여 추천을 제공합니다. 예를 들어 사용자가 귀여운 고양이 동영상 2개를 시청한 경우 추천 시스템에서 해당 사용자에게 더 귀여운 동물 동영상을 추천할 수 있습니다.
- 협업 필터링: 사용자 쿼리 기반의 사용자 간 유사성을 사용하여 추천을 제공합니다. 예를 들어 사용자 A가 사용자 B와 유사한 항목을 검색하고 사용자 B가 동영상 1을 좋아하는 경우 사용자 A가 동영상 1과 유사한 동영상을 시청하지 않았더라도 추천 시스템에서 사용자 A에게 동영상 1을 추천할 수 있습니다.
행렬 분해 모델은 추천 시스템의 협업 필터링 방법으로 널리 사용됩니다. 행렬 분해 모델을 ML.RECOMMEND 함수와 함께 사용하여 추천할 수 있습니다.
자세한 내용은 행렬 분해를 참조하세요.
협업 필터링 기반 추천 시스템을 행렬 분해 모델로 가능한 것 이상으로 확장하려면 심층신경망 (DNN) 및 와이드 앤 딥 모델을 사용하면 됩니다. 이러한 모델은 쿼리와 항목 특성을 통합하여 추천 관련성을 높일 수 있습니다. 자세한 내용은 다음 리소스를 참조하세요.