1.3 요약(Summary)

이번 장에서는 여기에서 다루는 전통적인 추천 기법인 협업 필터링과 콘텐츠 기반 필터링을 이해하는 데 필요한 다음의 내용들에 대하여 살펴보았습니다.

1.1 "주요 용어와 개념"에서는 협업 필터링과 콘텐츠 기반 필터링 추천 기법에서 사용하는 주요 용어와 개념에 대하여 살펴보았습니다.

• 사용자 선호도 -- 사용자 선호도를 직접적으로 알 수 있는 명시적 피드백과 간접적으로 알 수 있는 암시적 피드백에 대하여 살펴보았습니다.

• 평점 데이터 -- 명시적 피드백인 사용자가 아이템에 매긴 명시적인 피드백인 평점들의 집합인 평점 데이터는 사용자, 아이템, 평점을 주요 속성을 가지며, 평점 속성이 가질 수 있는 다양한 데이터 유형인 등간형, 연속형, 서수형, 이진형, 단항형에 대하여 살펴보았습니다.

• 평점 행렬 -- 평점 데이터를 $m \times n$ 행렬인 사용자-아이템 평점 행렬로 나타낸 평점 행렬에 대하여도 살펴보았습니다.

• 평점 행렬을 활용한 평점 예측과 아이템 추천 -- 평점 행렬에서 사용자가 평가하지 않은 아이템들에 대한 평점을 예측하고, 높은 예측 평점을 가진 순으로 아이템 집합을 추천하는 전통적인 추천 문제에 대하여 살펴보았습니다.

1.2 "협업 필터링과 콘텐츠 기반 필터링 추천 기법"에서는 협업 필터링과 콘텐츠 기반 필터링 추천 기법과 특징들을 살펴보았습니다.

• 협업 필터링 추천 기법 -- 협업 필터링 추천 기법과 메모리 기반 협업 필터링 방법과 모델 기반 협업 필터링 방법의 개념과 장/단점에 대하여 살펴보았습니다.

• 콘텐츠 기반 필터링 추천 기법 -- 콘텐츠 기반 필터링 추천 기법의 개념과 장/단점에 대하여 살펴보았습니다.

• 하이브리드 필터링 추천 기법 -- 콘텐츠 기반 필터링과 협업 필터링 기법의 추천 결과나 필터링 기법을 조합하여 서로의 단점을 보완함으로써 추천의 성능을 높일 수 있는 하이브리드 필터링 추천 기법의 개념에 대하여 살펴보았습니다.

다음 장에서는 협업 필터링과 콘텐츠 기반 필터링 추천 기법에 필요한 예제 데이터셋들을 소개하고 데이터의 구조와 특징에 대하여 살펴볼 것입니다.

Do you have a problem, want to share feedback, or discuss further ideas? Feel free to leave a comment here! Please follow Rust's code of conduct. This comment thread directly maps to a discussion on GitHub, so you can also comment there if you prefer.

Instead of authenticating the giscus application, you can also comment directly on GitHub.