[E-8] 아이유팬이 좋아할 만한 다른 아티스트 찾기

Opening

---

• 오늘은 추천 시스템을 배워보는 시간입니다.
  • 소비자와 소비자의 소비(여기선 어떤 아티스트의 음악을 재생한 횟수)를 행렬로 나타냅니다.
  • 우리가 풀잎 시간에 고생해서 배우고 있는 행렬이 나오니
  • 어떻게 우리가 배운 행렬의 개념이 데이터를 표현하는 데에 어떻게 쓰이고
  • 학습을 위해 어떻게 변형될 수 있는지 눈여겨 보시면 좋을 거 같습니다.
• 우리가 주변에 많이 경험했던 추천시스템 중에서 인상적이었던 사례에는 어떤 것들이 있나요?
  • [예시 답안]
  • 쿠팡 등 이커머스 상품추천
  • 넷플릭스 영화 추천
  • 멜론 음악 추천, 검색어 추천 등

 

Check-up 항목

---

• CSR_matrix
  • 사용자가 서비스에 등록된 모든 아티스트의 음악을 다 들어봤을 가능성은 매우 낮습니다.
  • 따라서 사용자가 아티스트의 음악을 들은 횟수를 행렬로 나타내면 0이 매우 많은 공간을 많이 차지하는 행렬이 만들어지게 됩니다.
  • 좀 더 효율적으로 하기 위해서 기존의 행렬을 다르게 표현하는데 여러 방법 중 한 방법이 csr_matrix입니다.
  • 첨부된 사이트나 노드의 자료가 이해가 잘 되지 않으신다면 아래 사진을 참고해보세요.
  • 0 이 아닌 위치 정보를 가지면서 행렬을 효율적으로 압축(?) 할 수 있습니다.

csr_matrix 사진

 

• 사용자의 명시적/암묵적 평가에 대해서 이해한 바를 토론해 보세요. 추가적으로 데이터로 확보할 만한 암묵적 평가에는 어떤 것들이 있을까요?
  • [예시 답안]
  • 제품 상세 페이지 체류시간
  • 스크롤 횟수
  • 화면 확대 이벤트 여부
  • 장바구니 담기
  • 이벤트 여부 확인
  • 결제 혜택 확인 등

 

Closing

---

• 추천 시스템의 평가 지표에 대해서 알아보고 토론해 봅시다.
  • [예시 답안]
  • Mean Average Precision (MAP)
  • Precision & Recall
  • Cutoff (@K)
  • Average Precision (AP@K)
  • Mean Average Precision (MAP@K)