추천 알고리즘의 효과 내지 정확성/유효성을 측정하는 지표 중 하나가 Recall과 Precision입니다. (업계 보다는 학계에서 주로 쓰임. 추천 시스템뿐만 아니라 유사한 여러 분야에서 쓰이는 지표라고 함) 예를 들어 설명) 1. 결혼정보 추천 시스템에서 박지성에게 {박지선, 김지선, 아이유, 유인나, 나문희}를 추천했습니다. 2. 박지성은 이사람 저사람 보다가 {아이유, 유인나, 구하라}와의 데이트를 신청했습니다. 추천 시스템에서 추천한 사람은 5명. 박지성이 선택한 사람은 3명. 박지성이 선택한 3명 중에서 추천 시스템에서 추천한 사람은 2명. 이럴 때... Precision = 박지성이 선택한 사람 중 추천 시스템에서 추천한 사람 / 추천 시스템에서 추천한 사람 = 2 / 5 = 0.4 Recal..

개인화 추천에 관련된 책(논문집) 한 권 소개합니다. Recommender Systems Handbook [2011] - Francesco Ricci, Lior Rokach, Bracha Shapira, Paul B. Kantor (Eds.) - Springer (출판 : 28 Oct 2010) 개인화 추천에 관련된 기본 배경 기술과 최근의 연구 내용을 모은 책(논문집)입니다. 좀 두껍기는 하지만... 가격도 좀 비싸지만...^^ 읽을만한 논문들을 다수 포함하고 있습니다. 수록된 논문은 아래와 같습니다. 그리고, 일부 인터넷에서 PDF 파일로 다운로드 받을 수 있는 논문들의 경우에는 링크를 달아 놓았습니다. Part I - Basic Techniques ----------------------------..

지난번에 "거꾸로 읽는 세계사"라는 책을 읽거나 산 사람들을 대상으로 아래의 책들 중에서 읽은 것 또는 가지고 있는 것들을 표시해 달라고 했었죠? 고마운 몇 분들이 답을 주셨습니다. 괄호 안에 함께 읽었거나, 또는 그 책도 가지고 있다고 하신 분들의 수를 표시했습니다. (예- "거꾸로 읽는 세계사"라는 책과 "르몽드 세계사"를 모두 읽었거나 함께 가지고 있는 사람은 1명이라는 뜻) 1. 내 머리로 생각하는 역사 이야기 ----- (0) 2. 총, 균, 쇠 ------------------------- (0) 3. 거꾸로 읽는 한국사 ---------------- (1) 4. 사기열전 2 ----------------------- (1) 5. 르몽드 세계사 -------------------- (1) 6...

Anand Rajaraman과 Jeffrey Ullman이 스탠포드 대학에서 "Web Mining"이라는 과목의 수업교재로 사용하는 "Mining of Massive Datasets"라는 교재의 제9장(Chapter 9) "Recommendation Systems"에 소개된 개인화 추천 시스템과 관련된 기술들의 관계입니다. 개인화 추천 기술 분류 Content-Based Recommendation Item Profiling Discovering Features TF.IDF (Term Frequency - Inverse Document Frequency) Distance/Similarity (Chap. 3, "Finding Similar Items" 참조) Measures Jaccard, Cosine, ...

요즘 저희 회사에 개인화 추천 서비스에 대한 관심과 문의가 부쩍 많네요. (덕분에 바쁩니다. ^^) 어떻게 하면 개인화 추천 서비스를 성공시킬 수 있을까? 마침 쉽게 이해하고 공감할만한 글을 하나 찾았습니다. 저희 회사가 하는 일과 비슷한 일을 하는 미국 회사의 연구책임자(Chief Scientist)의 글을 소개합니다. ㅋㅋㅋ (저희 회사는 넷스루, 미국 회사는 RichRelevance. 원문은 요기클릭) 원문 제목은 "Five steps to improving profitability" (by Darren Erik Vengroff, chief scientist at RichRelevanc) 번역은 내 맘대로 엑기스만 추려서...^^ 하나, 다양한 추천 기법을 사용하시오! 여러 가지 추천 기법이 있습니..

구글의 뉴스 추천 기능과 그 방법은 이미 많이 알려진 내용입니다. 2년쯤 전에 제 블로그에서도 구글의 뉴스 추천 서비스에 대해 간단하나마 설명을 드리기도 했고요. (요기 클릭!) 제 블로그를 통해서, 제게 개인적으로, 또는 저희 회사(넷스루)를 통해 개인화 추천에 관심을 가지고 문의하시는 분들의 대부분은 아마존의 개인화 추천 서비스에 가장 먼저 관심을 가집니다. 그리고, 간혹 구글의 추천 뉴스에 관심을 가지는 분들이 계시지요. 구글에서 사용하는 방법이라고 해서 기존 연구를 통해 고안된 방법과 크게 차이가 있는 것도 아닙니다. 다만... 구글이라고 하는 초대형 서비스는 그들의 인프라와 그들의 방법으로, 그들 서비스에 최적화된 형태로 잘 구현해 냈다는 것이 차이점일 뿐입니다. 그리고, 사실은 그것이 기술의 ..