3) 추천시스템의 한계점 & 고려해야하는 속성

이번 포스팅에서는 추천시스템이 개선 해야할 과제들과 고려해야하는 것들에 대해 다뤄보겠습니다.

 

1. Scalability 

- 실제 서비스 상황은 다양한 데이터이기 때문에 학습 그리고 분석 데이터와 전혀 다름.

- 학습에 이용된 추천알고리즘을 실전에 이용할 수 있는가? 즉, 확장성에 대한 고려가 필요하다.

 

2. Proactive Recommender System

- 모바일 인터넷 등 어디서든 유저에게 끊임없이 좋은 정보를 추천할 수 있는 서비스

 

3. Cold Start Problem

- 추천서비스를 위한 초기 데이터 부족 문제

- 협업 필터링의 대표적 단점 

 

4. Privacy 

- User의 민감 정보 혹은 개인 정보를 어디까지 추천에 적용할 수 있는지에 대한  윤리적/법적 고려사항

 

5. Long term and Short term user preference 

- User의 단기/장기 관심사항이 달라지며, 추천 받고 싶은 아이템이 어느 시기와 관련있는지 어려움.

 

6. Starvation and Diversity 

- 필요한 컴퓨터자원을 끊임없이 가져오지 못하는 상황

- User/Item이 다양하기 때문에 모든 User/Item에 관심을 부여해야하는데 그것이 어려움. 

 

추천시스템은 위 요소들을 개선시켜나가며 최적의 상품을 발굴해야한다!!