알기쉬운 IT 용어: 협업 필터링(Collaborative Filtering)

너랑 닮은 사람이 바로 너생각보다 훨씬 강력해 October 02, 2020

맞춤형 추천 서비스의 99%는 협업 필터링 방식을 활용한다고 봐도 됩니다. 그만큼 강력합니다.

비슷한 사람 추천법의 접근 방식은 다음과 같습니다.
- “어딘가 너와 비슷한 사람이 있다” → “네가 아직 보지 못한 상품을 그 사람이 좋아했다” → “그 상품을 너에게 추천한다”
간단하지 않습니까? 생각해보면 아주 당연한 이 방법이 요즘 가장 각광받는 추천 알고리즘입니다.

7명의 친구가 있습니다.
- 친구의 이름은 가람, 나래, 다솜, 라온, 마루, 빛솔, 새롬입니다.
- 이 중에서 새롬에게 영화를 추천하려고 합니다.
먼저 7명의 친구에게 이미 관람한 영화의 선호도를 조사합니다.
- 1:매우 싫음, 2:싫음, 3:보통, 4:좋음, 5:매우 좋음, 빈칸: 아직 보지않은 영화

유사도를 구하기 위해서 모든 점수에서 3점씩을 빼겠습니다.
- 3점을 빼면 싫은 영화는 마이너스 값을 가지고, 보통 영화는 0점, 좋은 영화는 플러스 값을 가지게 됩니다.

그리고 새롬이와 친구들이 얼마나 비슷한지를 판단해야 합니다.
- 얼마나 비슷한지는 두 사람이 공통으로 관람한 영화에 점수를 얼마나 비슷하게 주었는지로 판단합니다.
- 판단 기준으로 코사인 유사도(cosine similarity)라는 지표를 사용하는데, 이 지표는 두 사람이 비슷한 값을 가질수록 1에 가까운 값을 가지고, 서로 반대되는 값을 가질수록 -1에 가까운 값을 가집니다.
친구들 사이의 코사인 유사도를 계산해보면 다음과 같습니다.

유사도	가람	나래	다솜	라온	마루	빛솔	새롬
새롬	0.120	-0.548	0.837	0	-0.953	0.877	1

이 표를 조금 더 살펴보겠습니다.
- 새롬이와의 유사도가 가장 높은 친구는 빛솔이입니다.
- 빛솔이와 새롬이의 유사도가 높은 이유는 함께 본 영화에 비슷한 점수를 주었기 때문입니다.
  - 각각 명량에 2점/1점, 신과함께-죄와벌에 -2점/-1점, 겨울왕국2에 1점/2점, 아바타에 -2점/-2점을 주었습니다. 영화취향이 꽤나 비슷하고, 그것이 유사도에 반영되었습니다.
- 새롬이와의 유사도가 가장 낮은 친구는 마루입니다.
- 마루와 새롬이의 유사도가 낮은 이유는 함께 본 영화에 반대의 점수를 주었기 때문입니다.
  - 각각 명량에 -1점/1점, 겨울왕국에 -1점/2점, 아바타에 2점/-2점을 주었습니다. 마루와 새롬이는 영화를 같이 보러가면 안되겠네요…
- 새롬이와의 유사도가 0인 친구도 있습니다. 바로 라온입니다.
  - 라온이는 새롬이와 명량과 신과함께-죄와벌을 함께 보았는데, 라온이는 둘 다 1점을 주었고, 새롬이는 각각 1점과 -1점을 주었습니다.
  - 즉, 두 사람의 영화취향은 서로 상관관계가 없다고 볼 수 있습니다.
이제 마지막 단계입니다. 각 영화별로 추천값을 구하면 됩니다.
- 영화에 대한 추천값은 (친구의 점수)×(친구의 유사도) 입니다.
- 새롬이가 아직 보지않은 영화는 극한직업, 국제시장, 어벤저스-엔드게임, 베테랑 입니다.

새롬이에게 추천할 영화는 합계점수가 가장 높은 국제시장입니다.
- 새롬이와 성향이 비슷한 빛솔이가 높은 점수를 준 것이 큰 영향을 미쳤습니다.
- 새롬이와의 유사도가 0인 라온이는 영화추천에 영향을 주지 못합니다. 영화추천에 영향을 주려면 성향이 비슷하거나, 반대여야 합니다.
7명으로 간단히 사례를 만들어보았습니다만, 실제 추천 시스템은 몇백만명 단위의 추천을 하기 때문에 이것보다는 훨씬 더 복잡한 형태를 띄게 됩니다.
- 그래도 이 내용을 이해한다면 협업 필터링, 비슷한 사람 추천하기의 기본적인 개념은 파악했다고 보실 수 있습니다.