03.Neighborhood-based Collaborative Filtering

[ Recommender System ]

3. Neighborhood-based Collaborative Filtering

( 참고 : Fastcampus 추천시스템 강의 )

협업 필터링의 종류

1. Main Idea

“비슷한 User에게 같은 Item을 추천해준다”

( Neighborhood-based Collaborative Filtering = Memory-Based collaborative filtering )

Steps for Neighborhood-based Collaborative Filtering

• 1) User A와 B가 이전까지 비슷한 평가를 함
• 2) User A가 새로운 Item을 좋아함
• 3) User B에게 해당 새로운 Item을 추천

2. Collaborative Filtering의 특징

“User-Item 간의 평점으로, 새로운 Item을 에측”

특징

• 구현하기 쉽다
• Model-based CF에 비해 적은 연산량
• 새로운 User,Item이 추가되어도 stable
• 새로운 content 추천 가능

​

3. Collaborative Filtering의 두 종류

1) Item-based CF

• Item & Item의 similarity 파악

• 

  • 마이너리 리포트와 “미션 임파시블”은 0.85만큼 유사, “라이언 일병”과는 0.7

    \(\rightarrow\) “병”의 마이너리티 리포트 평점은 (0.7x2 + 0.85x2.5) / (0.7+0.85)

2) User-based CF

• User & User의 similarity 파악

• User가 많은 플랫폼에 적합

  ex) SNS의 추천 친구

  

  • user 병과 user을이 제일 유사 \(\rightarrow\) “병”의 “마이너리티 리포트”도 5로 예측하기

  
  

3. User-based vs Item-based CF

1. 정확도

• User 수 < Item 수 : User-based CF

• User 수 > Item 수 : Item-based CF

1. 모델 Robustness

• Item수가 크게 변하지 않으면, Item-based CF

1. 설명력

• Item-based CF > User-based CF

1. 새로운 추천

• User-based CF > Item-based CF