추천 시스템 비교 분석

1. 유저 기반 & 아이템 기반 협업 필터링(CF)

1.1 유저 기반의 CF

• 비슷한 취향을 가진 사용자 그룹을 찾고 동일한 그룹에 속한 사용자의 평점을 가지고 예측하는 방식
• 피어슨 상관계수를 이용하여 사용자간 유사도를 계산

1.2 아이템 기반의 CF

• 비슷한 특성을 가진 아이템 그룹을 찾아 사용자가 좋아할만한 유사한 아이템을 추천
• 아이템간 코사인 유사도 고려(조정된 코사인 유사도)

1.3 협업 필터링의 특정

• 예측 평점이 사용자의 평균과 유사하게 나오는 경향이 있음
• 희소 행렬(Sparse Matrix) 문제로 인해 유사도 계산이 어려움
• 성능 측정이 어렵고, Cold Start 문제가 있음

2. NeuMF (Neural Matrix Factorization)

• 신경망을 활용해 사용자와 아이템을 latent vector로 표현하고 학습
• GMF(Generalized Matrix Factorization) + MLP(Multi-Layer Perceptron) 결합
• 평점 예측이 사용자 평균에서 더 벗어나, 비선형적인 패턴을 학습 가능
• 행렬 분해 방식을 사용하여 희소 행렬 문제를 완화
• 성능 측정이 상대적으로 쉬움
• 전체 행렬을 직접 계산는 것이 아니라 학습된 잠재된 벡터를 이용