1. Recommendation System (1)
bt22dr@gmail.com

2. 목차
• 등장 배경
• 추천 시스템 소개 및 종류
• 유사도 계산

3. Brick-and-mortar
• 시,공간의 제약이 존재
– 슈퍼마켓
– 교보문고
– 종이 신문
• 전통적인 파레토 법칙을 따름
• 적합한 방식 : 베스트셀러 추천

4. On-line
• 시,공간의 제약이 없음(or 약함)
– 멜론
– 아마존
– 온라인 뉴스 사이트
• Long-tail 법칙을 따름
• 적합한 방식 : 검색, 개인화 서비스

5. 추천 시스템
• brick-and-mortar vs. on-line
Off-line On-line
물리적 공간의 제약 물리적 공간 제약 없음
제한된 고객 수 고객 수의 제한 없음
Pareto(80/20) 법칙 Long tail 법칙
개인화 불가능 개인화 가능
• 다양한 사용자들에 대해 구매할 확률이 높
은 아이템들을 찾아내는 것이 중요한 이슈

6. 추천 시스템
• Recommender System
– Content-based RS
– Collaborative Filtering
• Memory-based
– User-based CF
– Item-based CF
• Model-based

7. 추천 시스템
• Utility Matrix
• Utility Matrix의 공백을 채우는 것이 추천 시
스템의 본질

8. Content-based RS
• 가장 직관적인 방법
– 특정 속성을 선호하는 사람에게 비슷한 속성을
가진 아이템을 추천
구매
사용자 아이템
아이템
아이템
메타데이터
메타데이터
업데이트

9. 유사도

10. 유사도
• Jaccard similarity coefficient
• Cosine similarity
• Pearson correlation coefficient
• Euclidean distance similarity
• Log-likelihood-based similarity
• …

11. Q&A