추천시스템은 딥러닝이 실제 서비스에 적용될 수 있는 좋은 예시인 것 같습니다.
Facebook은 뉴스피드에 올라오는 컨텐츠를 추천하고, Amazon은 상품을 추천하고, Netflix는 영화를 추천하고, Google은 유튜브 비디오를 추천합니다. 네이버, 카카오, 왓챠, 뤼이드, 당근마켓 등 국내 기업도 추천시스템을 적용하여 서비스를 제공하고 있습니다.
추천시스템 기법 중 Collaborative Filtering은 클릭, 구매, 시청기록, 평점과 같은 데이터를 활용하고, Content-based Filtering은 아이템에 대한 다양한 정보(Text: 영화 줄거리, 상품에 대한 리뷰 / Image: 영화 포스터, 상품의 이미지 / Audio: 음악 신호 데이터)를 활용합니다. 언제, 어디서 추천을 할지도 굉장히 중요한 이슈라서 시간과 위치 정보를 활용하여 추천이 이루어지기도 합니다. 이렇게 다양한 종류의 데이터를 입력으로 받아 사용자를 위한 추천을 만들어내는 것이 종합 예술인 것 같습니다.
추천시스템의 중요성과 인기가 날로 증가하고 있지만, 활성화된 커뮤니티의 부재로 페이스북 그룹 Recommender System KR (RS-KR)을 개설하였습니다! 왓챠에서 추천시스템 기술을 연구하고 계신 왓챠 R&D 연구원 박지민님과, TEAM EDA 블로그를 운영하시고 카카오 아레나 브런치 글 추천 대회에서 수상하신 김현우님과 함께 그룹을 운영합니다.
"Recommender System (RS), 추천시스템의 모든 이야기를 나누는 곳, RS-KR입니다."
RS-KR은 추천시스템에 대해 공부하고 싶은 학생/직장인, 추천시스템 연구를 진행 중인 대학원생, 추천시스템을 직접 개발하고 서비스를 제공하고 계신 현업 종사자, 추천시스템에 관심이 있는 모든 분들을 위한 커뮤니티입니다. 다음과 같은 주제로 함께 그룹을 활성화시키려고 합니다.
- 추천시스템 관련 소식 (업계 동향, 기술 트렌드, 학회, 행사, 대회, 채용 등)
- 추천시스템 관련 정보 (기술 소개, 논문 요약, 블로그 글 공유 등)
- 천시스템 관련 논의 (질의응답, 토론, 자유로운 대화 등)
- 추천시스템 관련 친목 (세미나, 스터디, 소모임, 팀빌딩 등)
많은 관심 부탁드립니다!
'예술적인 추천시스템' 카테고리의 다른 글
| 추천시스템 기술 세미나 영상 모음 (0) | 2020.06.08 |
|---|
