7강. 추천시스템

by

학습개요

소비자의 쇼핑 히스토리를 분석하여 최적의 개인화 추천을 하는 추천시스템에 대해서 살펴보고, 추천시스템에 사용되는 분석방법론에 대해서 설명한다. 품목간의 관계만을 이용하여 추천하는 연관성 분석과 개인의 쇼핑정보를 이용하여 추천하는 협력적 정화 방법과 행렬분해 방법에 대해서 배운다. 그리고, 추천시스템의 성능을 평가하는 방법들을 설명한다.

학습목표

  1. 추천시스템의 개념과 정의에 대해 이해한다.
  2. 연관성분석, 협력적 정화, 행렬분해 방법 등을 이해한다.
  3. 추천시스템의 성능평가 방법을 이해한다.

연습문제

  1. 기업의 데이터베이스에서 상품의 구매, 서비스 등 일련의 거래 또는 사건들 간의 연관성에 대한 규칙을 발견하기 위해 적용되며 마케팅에서는 손님의 장바구니에 들어 있는 품목 간의 관계를 알아본다는 의미에서 장바구니 분석이라고도 부르는 분석은 무엇인가?
    1. 앙상블 방법
    2. 협력적 정화방법
    3. 연관규칙 분석
    4. 군집분석
      정답 : 3

      연관규칙분석은 데이터에 존재하는 항목(item)들간의 if-then 형식의 연관규칙을 찾는 방법이다. 연관규칙분석은 흔히 기업의 데이터베이스에서 상품의 구매, 서비스 등 일련의 거래 또는 사건들 간의 연관성에 대한 규칙을 발견하기 위해 적용된다.
  2. 개인의 선호도와 과거 상품 구매 이력 등을 분석하여 개인에게 최적인 상품을 추천을 위한 통계적 방법은 무엇인가?
    1. 협력적 정화방법
    2. 앙상블 방법
    3. k 평균 군집 방법
    4. 계층적 군집 방법
      정답 : 1

      협력적 정화방법은 개인화된 추천을 위한 통계적 방법이다.
  3. 상품들 사이의 유사성 척도를 구한 후, 관측되지 않은 를 번째 품목과 유사한 상품들의 고객 u의 선호도를 이용하여 추정하는 방법은 무엇인가?
    1. 고객 중심 협력적 정화방법
    2. 행렬분해를 이용한 협력적 정화방법
    3. 연관규칙분석방법
    4. 품목 중심 협력적 정화방법
      정답 : 4

      품목중심의 협력적 정화방법은 상품들 사이의 유사성 척도를 구한 후, 관측되지 않은rui를 i번째 품목과 유사한 상품들의 고객 u의 선호도를 이용하여 추정한다.
  4. 아래 지문의 (   ) 안에 알맞은 말은 무엇인가?
    연관규칙이 유용한 규칙일 필요조건에 대한 측도로 연관규칙의 (        )는 전체 거래들 중 품목 X와 품목 Y를 동시에 포함하는 거래의 비율로 정의된다.
    1. 지지도
    2. 신뢰도
    3. 향상도
    4. 선호도
      정답 : 1

      지지도는 전체 거래들 중 품목 X와 품목 Y를 동시에 포함하는 거래의 비율이다.

정리하기

  1. 추천시스템은 쇼핑고객이 원하는 최적의 상품을 추천하여주는 소프트웨어 및 방법론을 지칭하며 연관성 분석을 통한 추천시스템과 협력적 정화방법을 통한 추천시스템이 있다.
  2. 연관성 분석은 데이터에 존재하는 항목(item)들 간의 if-then 형식의 연관규칙을 찾는 방법으로, 비지도학습법의 일종이다.
  3. 협력적 정화방법은 개인화된 추천을 위한 통계적 방법이며 고객 중심, 품목 중심, 행렬분해를 이용한 방법이 있다.
  4. 추천알고리즘의 상대적 성능을 평가하는 방법으로는 평균절대오차, 평균제곱오차, 정확도, 재현율 등이 있다.
  5. 추천알고리즘의 절대적 성능을 평가하는 방법으로는 A/B 검증이 있다.

Leave a Comment