http://media.daum.net/digital/others/newsview?newsid=20141209033237587

빅데이터 기술 중에서 우리 주변에서 흔히 볼 수 있는 것 중에 하나가 바로 추천 시스템입니다. 대표적인 예로 아마존을 들 수 있는데 개인에게 맞는 상품을 보여주며 구매를 유도합니다.

아마존은 초기부터 이런 추천 시스템을 도입하였는데 지금은 전체 매출의 30% 이상이 여기서 나온다고 합니다.

추천을 위해 가장 많이 사용하는 방법이 협업 필터링(Collaborative Filtering)이란 방법입니다. 자기의 취향과 가장 비슷한 사람을 찾아서 그 사람이 선택한 것 중 내가 구입하지 않은 상품을 보여줍니다.

예를 들어 어떤 사람이 피자와 샐러드를 좋아한다면 그와 비슷한 취향을 가진 사람을 검색합니다. 그리고 서로 중복되지 않는 아이템을 다른 사람에게 추천합니다.

이때 두 사람간의 유사도를 측정하는 방법으로는 유클리디언 방식을 가장 간단하게 사용할 수 있습니다. 아래와 같이 피자와 콜라의 호감도를 2차원 그래프로 나타냈을때 두 사람간의 거리가 가까울 수록 비슷한 취향이라는 것을 알 수 있습니다. 아이템이 많아지면 그만큼 차원의 수를 늘려 계산하면 됩니다.

이와 같은 유저 기반의 추천 방식은 항목이 많아지면 서로간에 중복되는 아이템이 적어 유사도를 측정하기 힘들어집니다. 그래서 대형 서비스일 경우에는 보통 아이템 기반의 추천 방식을 사용합니다. 비슷한 사람을 먼저 찾지 않고 바로 유사도가 높은 항목을 직접 검색하는 방법입니다.

지금은 국내에서도 거의 대부분의 쇼핑몰에서 이와 같은 추천 시스템을 사용하고 있습니다. 그리고 영화를 추천하는 왓차, 맛집을 추천하는 다이닝코드처럼 여러 서비스에서 활용되고 있습니다. 앞으로 이런 빅데이터 기법이 더 여러 분야에서 많이 쓰이지 않을까 싶습니다.

< 인공지능 개발자 모임 >

- 페이스북 그룹에 가입하시면 인공지능에 대한 최신 정보를 쉽게 받으실 수 있습니다.

- https://www.facebook.com/groups/AIDevKr/