Netflix Recommendation system

넷플릭스 추천 시스템 (Netflix Recommendation System)

넷플릭스 추천 시스템에 대해 조사하며 추천시스템 관련 개념을 정리한 내용 입니다.

 

1)    Content-based Filtering (콘텐츠 기반 필터링)
- 영화의 줄거리, 장르 등을 데이터로하여 콘텐츠 기반으로 분석 후 추천하는 방법
- 장점 : 초기 사용자의 행동 데이터가 적더라도 추천 가능
- 단점 : 사용자의 성향을 세부적으로 파악하기 어려움
예) EXO의 수호만 등장하는 컨텐츠를 원하지만 EXO의 다른 멤버가 출현하는 컨테츠 추천 할 가능성

 

2)    Collaborative Filtering (협업 필터링)
- 같은 행동을 한 사람들을 하나의 그룹으로 묶어서 그룹 내의 사람들이 공통으로 봤던 컨텐츠를 추천하는 방법
- 단점 :
  1) 신규 사용자의 경우 추천 어려움
  2) 사용자가 많아질수록 추천 계산 시간이 오래걸림
  3) 다수의 사용자가 관심을 보이는 컨텐츠가 전체 추천 컨텐츠로 보이는 비율이 높아져 소수의 사용자가 선호하는 컨텐츠가 소외되는 현상 생김

두 알고리즘의 단점을 보완하고 통합한 앙상블 시스템 사용
(출처 : 과학기술정보통신부 블로그 , https://m.blog.naver.com/with_msip/221870532849 )

 

📌추천 시스템 사용 Feature

기본 사항

-Netflix 서비스와의 상호작용 (시청 기록, 다른 콘텐트 평가 결과 등)

-유사한 취향을 가진 회원 및 넷플릭스 서비스에서의 선호 대상

-장르, 카테고리, 배우, 출시연도 등 콘텐츠 관련 정보

-하루 중 시청 시간대

-넷플릭스 시청 디바이스

- 시청시간

-인구통계정보 (연령, 성별 등) 데이터는 제외

 

로직

새 프로필 추가할 경우

1)    선호 콘텐츠 선택 할 경우 : 추천시스템을 통해 추천, 계속 시청함에 따라 최근 시청한 콘텐츠의 중요도가 높아짐

2)    선호 콘텐츠 선택하지 않을 경우 : 인기있는 콘텐츠로 추천

(출처 : 넷플릭스 고객센터, https://help.netflix.com/ko/node/100639 )

 

📌Cine-match Algorithm : Content-based + Collaborative filtering (Hybrid 알고리즘)

https://davinci-ai.tistory.com/13

-      사람이 직접 tag를 달아 분석 진행