Recommendation Algorithm - Basic

2021-1학기, 대학에서 ‘과제연구’ 수업에서 진행하는 개인 프로젝트를 위해 개인적으로 정리한 포스트입니다. 지적과 교류는 언제나 환영입니다 :)

Introduction to Filtering

1. Contents-based Filtering; CBF

사용자 또는 아이템에 대한 ‘프로필 데이터‘를 가지고, 프로필이 유사하다면 그 대상과 연관된 아이템을 추천하는 방식

만약 유저 프로필을 작성해 유사도를 구한다면, user-based recommendation, 아이템의 프로필을 작성해 유사도를 구한다면, item-based recommendation.

단점: 모든 아이템에 대한 프로필을 만드는 것이 어려우며, 프로필을 만드는 과정에서 개인의 ‘주관’이 개입한다.

2. Collaborative Filtering; CF 🔥

프로필 데이터 없이, 사용자의 ‘과거 행동 데이터‘만을 가지고 추천을 진행하는 방식

평점, 예약 기록 등이 과거의 행동 데이터로 수집될 수 있다!

장점: 데이터셋을 쌓기가 쉽다! 그리고 일반적으로 CBF보다 더 좋은 성능을 낸다고 알려져 있다.

단점: 그러나 과거 데이터가 없는 신규 사용자에 대해선 추천 정확도가 떨어지는 Cold Start 문제가 발생한다.

3. Hybrid Filtering

CBF와 CF를 함께 사용하는 기법임.

(1) 두 알고리즘을 모두 시행하고, 두 알고리즘의 결과에 대해 Weighted Average를 취해 추천하는 <Combining Filtering>.

(2) 평점 데이터와 아이템 프로필을 조합해 사용자에 대한 프로필을 만들어 추천을 진행하는 <Collaboration via Content>.

(3) 처음에는 CBF를 사용하다가 데이터가 일정 수 이상 쌓이길 기다려 이후에는 CF를 적용

---

Explicit & Implicit Dataset

(출처: 갈아먹는 추천 알고리즘)

CF를 기준으로 위와 같이 아이템에 대한 사용자들의 평점을 정리한 행렬이 존재한다고 하자. 이때, 사용자들이 모든 아이템에 대해 평가를 남겨주는 경우는 드물기 때문에 행렬에는 NaN 값들이 꽤 존재한다.

우리는 이 NaN 값들이 존재하는지, 다르게 표현하면 모든 아이템에 대해 선호와 비선호에 대한 값이 존재하는지에 따라 <Explicit Dataset>과 <Implicit Dataset>으로 구분한다.

1. Explicit Dataset

<Explicit Dataset>은 사용자가 선호와 비선호를 명확히 구분한 데이터셋을 말한다. 영화 평점의 경우에선 5가 선호, 1이 비선호를 의미한다. 즉, 데이터셋의 정보를 통해 사용자가 모든 개별 아이템에 대한 선호 여부를 파악할 수 있는 데이터셋이다.

그러나 이런 경우는 이상적이고, 특수한 경우로 현실의 데이터에서는 모든 아이템에 대한 선호가 결정되어 있지 않다. 그렇기 때문에 우리는 <Implicit Dataset>을 어떻게 처리할지를 더 고민해야 한다.

2. Implicit Dataset

<Implicit Dataset>의 경우, 오직 사용자가 해당 아이템을 얼마나 소비했는지, 즉 ‘빈도’만을 기록한 데이터셋이다. 쇼핑몰의 클릭 여부, 상품에 대한 구매 횟수가 등이 이것의 좋은 사례이다.

How to?

앞에서 제시한 평점 행렬로 다시 돌아오자. 추천 알고리즘의 목표는 NaN에 어떤 값이 들어갈지 예측하는 것이다.

만약 우리가 평점 행렬을 Explicit Dataset로 해석한다면, 우리는 선호도가 명확한 데이터셋들만으로 학습을 시킨다. 즉, NaN 데이터들을 제외하고 알고리즘을 설계하고 학습시킨다는 말이다.

반면에 평점 행렬을 Implicit Dataset로 해석한다면, 우리는 사용자가 어떤 아이템을 선호하는지 알지만, 어떤 아이템을 비선호하는지는 알지 못한다. 또한, 저 NaN에 사용자가 좋아하는 아이템이 있을 수도 있고 없을 수도 있다. 그래서 이 경우는 NaN 데이터들을 포함해 알고리즘을 설계하고 학습을 시킨다.

How to implement?

그렇담 Explicit이든 Implicit이든, NaN을 어떻게 처리할지는 정했으니, 그럼 어떻게 그리고 어떤 알고리즘을 사용해야 할까? 여기서는 대표적인 두 방법인 <Neighborhood Model>과 <Latent Factor Model>을 살펴본다.

1. Neighborhood Model

<NM; Neighborhood model>은 평점 데이터를 바탕으로 서로 유사한 유저 혹은 아이템을 찾는다. 이때, 두 대상 사이의 유사도를 측정해야 하는데 그 중 하나로 <Person Correlation>을 쓸 수 있다.

Definition. Person Correlation

\[r_{XY} = \frac{\text{cov}(X, Y)}{\sigma_X \sigma_Y}\]

$r_{XY} = 1$이면, 양(+)의 상관관계를, $r_{XY} = -1$이면, 음(-)의 상관관계를 가진다.

만약 유저 $X$에게 어떤 영화를 추천하고 싶다면 각 유저의 평점 벡터 $\mathbf{x}$와 다른 유저들의 평점 벡터에 대해 모두 Corr를 구한 후에 유사도가 가장 큰 유저를 특정한다. 그리고 그 유저가 높은 평점을 영화를 유저 $X$에게 추천하면 된다. 이 경우를 <User-oriented Neighborhood model>이라고 한다.

반대로 아이템 사이의 Corr를 구할 수도 있다. 그리고 이 중 가장 유사한 $K$의 아이템을 묶어줄 수도 있을 것이다. 이런 상황을 생각해보자. 내가 넷플릭스에서 어떤 영화 한편을 선택했다. 그리고 화면 하단에는 그 영화와 유사한 $K$의 영화들이 나열되어 있다. 이때, 영화 추천과 함께 내가 줄 ‘예상 평점’도 함께 제공된다. 나는 분명이 저 영화를 본적이 없는데, ‘예상 평점’은 어떻게 유도된 것일까? 이때, 등장하는 것이 <Neighborhood Algorithm>이다.

Definition. Neighborhood Algorithm

• $\hat{s}_{ui}$: predicted score that user $u$ will give to movie $i$.
• $r_{ij}$: similarity btw movie $i$ and movie $j$.
• $s_{uj}$: score that user $u$ has rated to movie $j$.
• $S(i; u, K)$: $K$ number of neighbors of movie $i$, which are rated by user $u$.

\[\hat{s}_{ui} = \frac{\displaystyle \sum_{j \in S(i; u, K)} r_{ij} s_{uj} }{\displaystyle \sum_{j \in S(i; u, K)} r_{ij}}\]

원리는 간단하다. 그냥 영화 $i$와 내가 평점을 매긴 영화들 사이의 similarity를 구하고 이를 바탕으로 가장 유사한 $K$개를 선정한다. 그리고 내가 매긴 평점들을 similarity를 바탕으로 가중합을 해 한번도 보지 않은 영화의 평점을 예측한다! 😎

이런 NM은 Explicit Dataset에 더 적합하며, Implicit Dataset은 NM 보다는 아래에서 설명할 <Latent Factor Model>이 더 적합하다!

2. Latent Factor Model

<Latent Factor Model>은 관찰된 데이터와 잠재 데이터의 관계식을 유도하는 모델이다. 그리고 딥러닝 역시 Latent Factor Model의 일종으로 평가된다.

(출처: 갈아먹는 추천 알고리즘)

우리는 주어진 평점 데이터 $R$을 사용자와 아이템의 Latent Factor $X$, $Y$로 분해한다. 그리고 이 둘을 각각 학습시키는 <MF; Matrix Factorization> 기법을 사용할 것이다.

여기서는 간단히 소개만 하고, 이어지는 포스트에서 <Latent Factor Model>에 대해 더 자세히 다루겠다 😉

👉 Latent Matrix Factorization

---

references

• 갈아먹는 추천 알고리즘