[SKT AI 커리큘럼] 추천시스템 - 10. 추천서비스 고려사항(2)

SKT AI 커리큘럼 학습 내용 정리

출처 : T Learning Portal (https://sharedlp.sk.com)

 

 

10. 추천 기술  : 추천서비스 고려사항 2

Temporal / Preference Dynamics

- 추천 시스템은 결국 사용자의 Preference를 반영하는 것 (단기적이든 장기적이든 상황에 따라 변함)

(ex. 어떤 사람이 Electric 음악을 좋아한다고 해도 공부할 때나, 알람으로 듣는 음악은 다를 것이다!!)

- 사용자의 Preference가 변할 수 있기 때문에 사용자의 패턴이(분산) 달라지게 되면 사용자에게 다시 물어본다.

- 또는 사용자가 스스로 바꿀 수 있게 설정을 세팅하기도 한다 -> 최신의 정보를 반영

 

Explainable Recommendation

- 추천서비스에서는 설명력이 중요하다.

- 그래야지만 어떤 Content가 나왔을 때 당신이 어떻기 때문에 이 추천이 나왔는지를 설명할 수 있다.

- User-side Knowledge Hierarchy

- Item-side Knowledge Hierarchy

 

Degree of Personalization

- 개인화 추천을 서비스가 시작되자마자 실행하는 것은 거부감을 일으킬 수 있다.

- 따라서 사용자를 점점 이해해 나가면서 서비스를 고도화하는 것이 필요하다. 

 

Cold-Start Handling

- Cold-Start 문제는 대부분의 시작 프로그램에서 존재하고 별도의 로직을 두고 전략적으로 대응하는 것이 중요하다.

- SKT에서는 3가지로 분류

1. First-time User : 서비스를 가입하면서 얻게되는 정보, 인기가 높을만한 아이템으로 인터랙션 유도

2. Light User : 좀 더 확고한 사용패턴이나, 인터랙션을 유도하기 위해 적절한 인기도 기반의 콘텐츠 배치

3. Active User : 일반적으로 가지고 있는 추천 시스템 사이클에 투입

[Exploration -> Exploitation]