🏆45분
Day 3 챌린지: 하이브리드 추천 시스템
Day 3: 유사도 알고리즘
Day 3 챌린지: 하이브리드 추천 시스템
그래프 알고리즘 > Day 3: 유사도 알고리즘
학습 목표
Item-based와 User-based 추천 결합 다양한 유사도 메트릭 비교 콜드 스타트 문제 해결 추천 품질 평가
요구사항
최소 50명 고객, 100개 상품의 이커머스 데이터 생성
Item-based 추천 (상품 유사도) 구현
User-based 추천 (고객 유사도) 구현
두 추천 결과를 결합한 하이브리드 추천
신규 고객(콜드 스타트)을 위한 인기 상품 추천
평가 기준
- • 데이터 생성의 현실성 (15%)
- • 알고리즘 구현 정확성 (30%)
- • 하이브리드 결합 로직 (25%)
- • 콜드 스타트 처리 (15%)
- • 결과 분석 품질 (15%)
보너스
- • Jaccard와 Cosine 결과 비교 분석
- • 카테고리 기반 유사도 추가
- • A/B 테스트 시뮬레이션
- • 실제 추천 시스템 라이브러리(Surprise 등)와 비교