추천 알고리즘 변천사

이번 포스트에서는 추천 알고리즘의 변천사에 대해 알아보겠습니다.

이전 포스트에서 언급한 것과 같이 유저(고객) 이력 정보를 기반으로 하는 추천 알고리즘을 Collaborative filtering(CF)라고 하고, 아이템 정보를 기반으로 하는 추천 알고리즘을 Content based filtering (CBF)라 합니다.

CF와 CBF는 어떻게 보면 알고리즘이라기 보다는 방법론이라고 봐도 됩니다. 즉, 유저 성향을 기반으로 한 MF, Wide & Deep, FM(추후에 다루겠습니다)알고리즘이 CF 기반의 알고리즘이며, 유사한 장르 기반의 추천, 콘텐츠 줄거리 기반의 TF-IDF 추천 등이 CBF의 알고리즘(?)이라고 생각할 수 있습니다.

이제 아래에 그림을 통해 추천 알고리즘의 변천사를 살펴보겠습니다.

AR은 Association Rule의 약자로 구매한 항목들 사이의 연관성에 대해 규칙을 추론하는 것으로 예전에 자주 사용되었으나 최근에는 많이 사용되지 않습니다.

이후 CF와 CBF가 추천 영역에서 광범위하게 사용되고 있으며, CF에서는 기본적인 user-based CF, item-based CF 부터 시작하여 현재는 MF, Deep learning CF 등이 사용되고 있습니다.

각 사례는 구글링 및 논문 서치를 하여 정리한 것인데 이후 포스트에서 다루도록 하겠습니다. (언제할지는 모르겠어요.. PPT로는 정리해놨는데 깃에 옮기기가 번거롭네요)

☝ Reference

• http://hoondongkim.blogspot.com/2019/03/recommendation-trend.html
• https://brunch.co.kr/@goodvc78/16