[추천 시스템] 주요 회사 알고리즘 정리

Facebook

Edge Rank Algorithm

우선순위 매기는 알고리즘

3가지 기준의 점수 부여

1. 친밀도 (Affinity): 사용자와 게시글을 작성한 작성자 간의 관계

• 사용자 측면: 작성자의 다른 게시물에 대한 반응
• 작성자 측면: 사용자의 게시물에 대한 반응
• 사용자 <> 작성자 간의 메신저 이용도

2. 가중치 (Weight): 과거 사용자가 반응한 게시물과 현재 평가하고자 하는 게시물의 유사성과 게시물에 대한 반응 우선순위로 가중치계산 필요

3. 시간 (Decay): 게시물 작성된 시간, 마지막 반응시간, 관계를 맺은 시기 등

4. 그외

• 스토리 범핑(Story Bumping)
• 라스트 액터(Last Actor)
• 사용자가 직접 먼저보기 버튼을 통해 노출

 

Netflix

Cine-match Algorithm

Content-base와 Collaborative filtering 함께 사용

3가지 방식을 사용하여 가중치 결정

1. Bayesian Classifier: A영화를 본 사람이 B영화를 볼 확률

2. Association Analysis: Co-occurrence: 동시 발생 상관관계, A와 B를 동시에 좋다고 판단할 때, A와 B의 관계를 알아보는 방법

3. Neural Network: 소비자 선호 분야를 포함한 Attribute들에 대해 가중치 결정

Data

1. 기존 영화 데이터: 장츠, 감독, 배우, 태그 등 활용
2. 사용자의 개별 콘텐츠 소비 취향
3. 사용자의 시청 습관: 소비패턴 분석

 

Watcha

Collaborative Filtering

선호하는 영화 바탕 사용자 간의 연관성 파악

Netflix	비교	Watcha
콘텐츠 소비습관 기반	추천 알고리즘	사용자 평점 토대
평소 습관 처럼 추천 받을 수 있음	장점	직접 콘텐츠 평가하고 자신의 성향 분석 가능
직접 리뷰/구체적이 평가 불가	단점	사용자 평점에만 의존적

 

Amazon A9

Item to Item Collaborating Filtering

제품들 간의 유사성 계산 : 특정 제품을 구매한 모든 고객에 대해 각 고객이 구매한 다른 제품과 이 제품과의 유사성 계산 방식

• 검색기록, 리뷰, 찜 목록, 장바구니, 구매한 물품 등의사용자 <> 전체 사용자와 비교하는 방식