알고리즘 기반 개인화추천시스템 리포트

소개글

"알고리즘 기반 개인화추천시스템 리포트"에 대한 내용입니다.

목차

Ⅰ. 서론
1. 알고리즘

Ⅱ. 본론
1. 뉴스
2. 동영상

Ⅲ. 결론

본문내용

알고리즘
알고리즘은 9세기 페르시아의 수학자 알과리즈미의 이름에서 유래하였다. 처음엔 아라비아 숫자의 산술 연산을 위해 규칙 집합으로서 사용되었다. 하지만 이후 개념이 진화되어 문제를 해결하기 위한 절차라는 의미를 가지게 된다. 현재 그 개념은 컴퓨터와 디지털 대상 업무 수행 방법으로 규제나 명령의 집합으로 널리 쓰이고 있다. 알고리즘은 쌓여있는 데이터에서 명령에 따른 결과를 도출하는 역할을 하고 있기에 주로 공학적인 영역에서 사용된다. 하지만 인터넷이라는 것이 활성화 되면서 주로 공학적 영역에서 사용되었던 용어가 우리 곁에 다가오게 되었다. 인터넷의 이용으로 우리는 정보의 홍수 속에서 살아가게 되었고, 감당하기 어려울 정도의 빅 데이터가 형성되었다. 알고리즘 기반의 추천시스템은 사용자에게 맞는 정보를 찾는데 사용된다. 정보로 넘쳐나는 인터넷 속에서 사용자가 선호하는 정보를 추천하고, 도움 되는 내용을 필터링해서 제공하는 것이 알고리즘의 핵심 내용이라고 할 수 있다.
알고리즘 기반 추천서비스 플랫폼은 주로 미디어 콘텐츠 플랫폼에서 사용되고 있다. 그 종류는 대표적으로 콘텐츠 기반 필터링과 협업 필터링으로 나누어진다. 먼저콘텐츠 기반 필터링은 사용자가 이전에 선택한 아이템을 과거에 선택했던 아이템을 분석하여 사용자가 선호하는 항목과 특징이 비슷한 새로운 아이템을 추천하는 것이다. 콘텐츠 기반 필터링은 아이템 자체를 파악하여 그 내용과 속성에 맞는 키워드를 뽑아내어 유사한 아이템끼리 분류하고 추천해준다. 이는 사용자와 아이템 간의 관계를 분석하는 것이 아니기 때문에 각 항목의 유사도의 모습에 사용자의 선호도가 담겨있지 못한다는 단점을 지니고 있다. 하지만 적은 데이터를 가지고 있는 상황이라면 상대적으로 추천시스템이 성공적으로 작동된다는 장점을 지니고 있다. 또한 콘텐츠의 특성 자체를 분석하기 때문에 사용자 간의 행동과는 상관없이 추천이 가능하고 새로운 콘텐츠가 등장하였을 때 콘텐츠 내의 분석만으로 추천할 수 있다.

참고 자료

알고리즘 기반 개인화 추천뉴스의 수용과 지속사용의사에 영향을 미치는 요인에 관한 연구 : 네이버 ‘나만의 에어스’를 중심으로 -서울과학기술대학교 IT정책전문대학원 신 혜 선
이용자의 만족에 영향을 미치는 유튜브 특성과 개인 성향에 관한 연구 : 몰입의 매개효과를 중심으로 - 중앙대학교 대학원 미디어커뮤니케이션학과 미디어커뮤니케이션전공 이 강 유
유튜브(YouTube) 추천 알고리즘으로 인한 필터버블(Filter Bubble) 현상 연구 - 연세대학교 정보대학원 맞춤형 융합 전공 신 유 진
알고리즘 기반 추천서비스 플랫폼에 대한 사용자의 인식에 관한 연구 - 뉴스 음악 영상 콘텐츠에 대한 비교 분석 -연세대학교 정보대학원 ICT 콘텐츠 전공 배 현 진
유튜브 필터버블 현상에 대한 실증적 연구 : 사회연결망분석과 텍스트 네트워크 분석을
활용하여 - 숭실대학교 대학원 IT정책경영학과 김 덕 진