728x90
반응형
가장 단순한 형태의 추천 시스템, 인기도 기반 추천 시스템!
- 인기도 기반 추천 시스템: 가장 인기있는 아이템을 추천
- 인기도의 척도: 조회수, 평균 평점, 리뷰 개수, 좋아요/싫어요 수 등
조회수가 가장 많은 아이템을 추천 (Most Popular)
- Hacker News Formula: 아이템이 오래될 수록 감점하는 방식
- 시간이 지날수록 age, pageviews 증가
- ages는 gravity를 지수로 가지고 있기 때문에, page가 상승하는 속도보다 age가 커지는 속도가 더 큼
- 아이템이 오래된 정도에 따라서 score가 크게 작아짐
- gravity는 주로 1.8 값을 사용
- Reddit Formual: 최근 아이템에 가산점을 주는 방식
- 첫 번째 항은 인기도(popularity)를 보여줌
- 두 번째 항은 아이템의 업로드 된 절대 시간을 반영 → 절대 시간에 의해 나중의 아이템일 수록 높은 score를 가지게 됨
- log 함수를 이용함으로써, vote가 적을수록 각 vote에 높은 가치를 부여하며, vote가 많아질수록 socre의 증가폭이 작아짐
평균 평점이 가장 높은 아이템을 추천 (Highly Rated)
- Steam Rating Formula:
- Steam 플랫폼의 게임 리뷰는 좋아요 리뷰와 싫어요 리뷰 두 가지로 나뉨 (binary case)
- 우선 좋아요 리뷰의 수를 전체 리뷰의 수로 나누어 average_rating 값을 구함
- 리뷰의 개수에 따라서 score 값을 보정
- 리뷰 수가 적으면 rating을 높게 보정하고, 많으면 rating을 낮게 보정,
- 리뷰의 수가 아주 많으면 score는 평균 rating과 거의 유사해짐
- Movie Rating
- Steam Rating에서 발전한 형태로, binary value가 아닌 1.0~ 5.0의 rating 값을 사용
- 단, average_rating을 보정할 때, 가능한 수치의 중앙값인 3.0이나 평점 데이터 평균을 사용
728x90
반응형
