15분
추천 시스템의 핵심: 유사도
Day 3: 유사도 알고리즘
추천 시스템의 핵심: 유사도
그래프 알고리즘 > Day 3: 유사도 알고리즘
학습 목표
유사도 알고리즘의 비즈니스 가치 이해 그래프 기반 유사도의 원리 주요 알고리즘 개요
"이 상품을 본 고객이 본 다른 상품"의 비밀
Hook: 아마존의 35% 매출
"아마존 전체 매출의 35%가 추천 시스템에서 발생한다." — McKinsey, 2019
추천 시스템의 핵심: 유사도
에디터 로딩 중...
유사도 측정의 두 가지 관점
Item-based: "이 상품과 비슷한 상품"
에디터 로딩 중...
User-based: "나와 비슷한 고객"
에디터 로딩 중...
그래프에서 유사도란?
핵심 아이디어
"같은 이웃을 많이 공유하면 유사하다"
에디터 로딩 중...
오늘 배울 알고리즘
| 알고리즘 | 특징 | 활용 |
|---|---|---|
| Jaccard | 집합 교집합/합집합 | 이진 관계 (봤다/안봤다) |
| Cosine | 벡터 내적 | 가중치 있는 관계 (평점) |
| Node Similarity | GDS 통합 | Top-K, 임계값 필터링 |
| KNN | K개 최근접 이웃 | 추천 시스템 |
비즈니스 활용
- 이커머스: "함께 구매" 추천
- 콘텐츠: "비슷한 영화/음악" 추천
- 소셜: "알 수도 있는 친구"
- HR: 유사 역량 직원 매칭
- 금융: 유사 투자 패턴 고객