chpt1. What is a recommander?
- 이 책이 커버할 내용들
- Understanding the task a recommender system is trying to emulate
- Developing insight into what are nonpersonalized and personalized recommendations
- Developing a taxonomy of how to describe recommenders
- Introducing the example website MovieGEEKs
1.1 Real-life recommandations
- 우리 주변엔 많은 추천이 존재함(사람에 의한 추천, 코펜하겐 공항 처럼 맥락에 의한 추천, 알고리즘에 의한 추천)
- 온라인 추천의 종류
- non-personalized : 인기있는 top 10
- semi-personlized : 성연령기반
- personalized :
- 가정 - 사람들은 베스트셀러만이 아니라 롱테일에 존재하는 아이템도 산다.
- 웹사이트에서 무한한 상품을 고객에게 제공하기 위해선 추천 시스템이 필요함.
- 넷플릭스는 다양한 추천 방법을 활용함
- 장르
- 시간
- 언론에서 말하는 등의 신선도
- 친구들이 본 걸 추천
- 직접 입력한 선호도
-
- 넷플릭스 top pick 추천에 대한 상상도
![[Pasted image 20240310214227.png]]
1.2 Taxonomy of recommander systems
1. Domain
- type of comtent : 영화, 강좌, 음식 등등
2. Purpose
- 엔드 유저 : 자신의 취향에 맞는 컨텐츠 찾기
- 공급자 : 많이 팔고 오래 머물게 하는 것
3. Context
- 추천을 받는 환경(장소, 시간, 어플을 사용하는 상황)을 의미
4. Personalization level
- Non personalized : 모두에게 같은 리스트를 보여줌.
- Semi-personalized : 성/연령, 국적, 직업, 사용 환경(PC/mobile) 등의 seg에 따른 추천
- Personalized : 사람에 따라 다름 (ex - 지금 보고 있는 상품을 산 고객들이 샀던 리스트)
5. whose opinions
6. privacy & trustworthness : provider의 이익만을 위해 움직이지 않는다는 확신을 줘야함.
7. interfaces : 추천 과정의 input과 output
- organic presentation : 추천이 웹 페이지의 자연스러운 일부인 경우
- white-box recommandation : 추천에 대해 설명하는 경우
8. algorithms
- collaborative filtering : 사용 데이터를 쓰는 경우
- 유저 피드백이 충분히 쌓여야함
- content based filtering : 유저 프로파일과 컨텐츠 메타 데이터를 쓰는 경우
- 메타 데이터가 충분히 쌓여야함.